基于低秩矩陣填充與恢復的圖像去噪方法研究.pdf

1、目前低秩矩陣的稀疏表示在數(shù)字圖像處理領域應用越來越廣泛，如字符識別、視頻圖像編輯、人臉識別系統(tǒng)、3D場景建模等。雖然有大量經(jīng)典算法可以應用進行求解但在幾何變換和噪聲等因素干擾下，往往由于不能正確或逼近描述圖像而造成求解不穩(wěn)定。依據(jù)目前存在的圖像求解問題，本文提出了一種新模型進行圖像求解，該模型將低秩矩陣恢復與矩陣填充經(jīng)典融合，將二者優(yōu)點充分結(jié)合，再利用一種合理有效的求解算法對新模型進行求解，就達到對圖像去除噪聲的目的。
　　求解圖

2、像去噪問題的算法可以總結(jié)出 SVT算法、IT算法、ADMM算法、ALM算法等等。考慮到收斂速度與奇異值分解以及龐大的計算量等問題，采用IALM算法，計算準確度高，收斂速度快，比其他算法有著顯著優(yōu)勢。
　　在圖像選取上，要求選取圖像必須是低秩的，用于實驗的低秩圖像，可能圖像某一部分缺失無法正常顯示，可能受到噪聲污染圖像數(shù)據(jù)遭到破壞，或者兩者可能同時存在，去除噪聲，填充丟失數(shù)據(jù)，我們就能夠達到恢復出原始清晰圖像的目的。
　　該模

3、型的整體思路是：建立低秩矩陣恢復與矩陣填充結(jié)合的模型，然后對該模型進行凸松弛優(yōu)化，選取IA LM算法對新建模型進行求解，圖像缺失部分利用到低秩矩陣填充，圖像損壞部分則利用到低秩矩陣恢復，二者相結(jié)合就實現(xiàn)了將污染圖像還原的目的。
　　本文從低秩圖像中選取比較有代表性的三張圖片，圖片所受破壞程度不同，即受噪聲污染的程度不同，進行 MATLAB仿真過程中，通過一些基本特性的評價標準與現(xiàn)有較成熟算法進行對比，如信噪比、運行時間、差錯率等，