基于K-SVD和殘差比的稀疏表示圖像去噪研究.pdf

1、多媒體技術(shù)是信息技術(shù)的重要組成部分。近年來(lái)，以數(shù)字圖像處理為代表的多媒體技術(shù)發(fā)展迅速，已經(jīng)成為了人們接受復(fù)雜信息的重要途徑。數(shù)字圖像處理在很大程度上改變了人們的生活方式，具有重大的科研、社會(huì)價(jià)值。
　　 圖像去噪是圖像處理的基礎(chǔ)性環(huán)節(jié)，其效果直接影響后續(xù)圖像處理的成敗，因此是圖像處理的研究熱點(diǎn)之一。近年來(lái)，基于過(guò)完備原子庫(kù)的信號(hào)稀疏分解理論作為一種新的信號(hào)表示方式受到學(xué)者們的重視，發(fā)展很快，其在圖像去噪的應(yīng)用上也有了一定的研究成

2、果。本文在對(duì)傳統(tǒng)圖像去噪算法尤其是基于變換域的圖像去噪算法進(jìn)行了簡(jiǎn)要回顧后，重點(diǎn)介紹并探討了基于過(guò)完備原子庫(kù)的圖像稀疏分解相關(guān)內(nèi)容，提出了一種新的圖像去噪算法。主要研究?jī)?nèi)容如下：
　　 ①簡(jiǎn)述圖像噪聲影響、噪聲模型及圖像品質(zhì)評(píng)判標(biāo)準(zhǔn)，綜述國(guó)內(nèi)外在圖像去噪算法和過(guò)完備稀疏分解上的研究現(xiàn)狀。
　　 ②介紹了幾種常見圖像變換域變換方法，闡述了過(guò)完備稀疏分解理論體系，討論了基于正交匹配追蹤(Orthogonal Matching

3、 Pursuit，OMP)算法的稀疏分解、重構(gòu)過(guò)程以及算法的復(fù)雜性。在此基礎(chǔ)上引出了K-SVD(Singular ValueDecomposition)算法，闡述了算法的流程和實(shí)用意義。
　　 ③針對(duì)圖像去噪的核心問(wèn)題--如何區(qū)分圖像有效信息和圖像噪聲，展開研究。介紹了兩種基于傳統(tǒng)閾值作為分解結(jié)束條件的算法，指出了其中的不足，引出了基于相干比和殘差比(Residual Ratio Iteration Termination)的迭

4、代終止條件，并分析了它們的優(yōu)越性。尤其是針對(duì)低信噪比的圖像去噪問(wèn)題進(jìn)行了詳細(xì)的分析和論述。
　　 ④針對(duì)低信噪比圖像去噪問(wèn)題，提出了一種基于K-SVD和殘差比的正交匹配追蹤圖像稀疏分解去噪算法。該算法利用K-SVD算法將離散余弦變換(Discretecosine transform，DCT)框架產(chǎn)生的冗余字典訓(xùn)練成能夠有效反映圖像結(jié)構(gòu)特征的過(guò)完備字典，以實(shí)現(xiàn)圖像的有效表示。然后以殘差比作為OMP算法迭代的終止條件，來(lái)實(shí)現(xiàn)圖像的去