第40卷第2期2018年4月
探测与控制学报Journal of Detection &Control
Vol .40No .2A p r .2018
一?收稿日期:2017-11-22
基金项目:国家自然科学基金项目资助(61171170);国防科技重点实验室基金项目资助(9140C130502140C13068)
作者简介:沈晨(1993 ),女,安徽合肥人,硕士研究生,研究方向:图像处理与信息融合技术三E -mail :824395176@qq .
com 三一一
基于字典学习的图像稀疏去噪算法
沈一晨1,2,张一旻1,
2
(1.国防科技大学电子对抗学院,
安徽合肥230037;2.安徽省电子制约技术重点实验室,
安徽合肥230037)摘一要:针对图像稀疏去噪时采用固定字典稀疏效果不理想二去噪质量不高等问题,提出了基于字典学习的图
像稀疏去噪算法三该算法首先选择初始化DCT 字典,通过K
SVD 算法对噪声图像样本反复迭代二
更新得到字典,对图像进行稀疏表示,最后采用OMP 算法对图像进行重构,得到去噪后图像三对不同类型和细节信息的实测图像,研究了采用DCT 字典二基于自然图像训练字典和基于噪声图像训练字典的OMP 算法的图像去噪性能,并设计仿真实验进行性能比较三仿真实验结果表明,基于噪声图像训练字典的图像稀疏去噪算法与其他两种算法相比去噪性能较好,具有自适应性三
关键词:稀疏字典;K SVD 算法;
字典学习;稀疏去噪中图分类号:TP751一一一一文献标志码:A 一一一一文章编号:1008-1194(2018)02-0128-07
Ima g e S p arse Denoisin g Al g orithm Based on Dictionar y Learnin g
SHEN Chen 1,2,ZHANG Min 1,
2
(1.Electronic En g ineerin g Institute of PLA ,Hefei 230037,China ;
2.Ke y Laborator y Electronic Restrictin g Techni q ue ,Hefei 230037,China )
Abstract :Aimin g at the p roblem that the ima g e s p arse effect of fixed dictionar y is not ideal and the denoisin g q ualit y
is not hi g h ,a s p arse denoisin g al g orithm based on dictionar y learnin g was p ro p osed.Firstl y ,the initial DCT dictionar y was selected ,and then the dictionar y of the noise ima g e was iterated and u p dated throu g h the K
SVD al g orithm to
s p arsel y re p resent sam p les.Finall y ,the OMP al g orithm was used to reconstruct the ima g es and the denoised ima g e was
obtained.DCT dictionar y was based on natural ima g e trainin g ,which denoised ima g e of different t yp es and details b y noise ima g e trainin g within OMP al g orithm to be desi g ned for com p arin g p erformance in simulation ex p eriment.The ex p erimental results showed that the ima g e s p arse denoisin g al g orithm based on the noise ima g e trainin g dictionar y had
better p erformance and better ada p tabilit y than the other two al g orithms.
Ke y words :s p arse dictionar y ;K SVD ;dictionar y learnin g ;s p arse denoisin g
0一引言
图像在获取和传输的过程中常常会受到各种噪声的污染,从而降低了图像的主观和客观质量三噪声的产生使得图像的质量变差,使得人们无法清晰地观测所采集到的图像,影响了视觉效果三图像当中许多重要的细节信息被噪声掩盖,一些需要进行提取和识别的目标也变得无法分析,给后继的图像处理和应用(如图像分割二目标识别二图像检索以及图像编码二传输等)带来了诸多不利的影响三因此,图像去噪问题在图像预处理中起着至关重要的作用三
近年来,一些基于自然图像稀疏性表示的去噪
方法被提出来[
1-4]
三信号稀疏表示理论将信号由非稀疏域转变为稀疏域,通过捕获信号的有用信息来进行信号的处理,更好地重构出原有信息三利用图像中的有用信息一般具有稀疏性,而噪声不具有稀
疏性这一特点,从而将图像中的噪声去除[
5]
三图像万方数据