基于低秩矩陣恢復(fù)的圖像去噪算法研究.pdf

1、近年來，基于低秩矩陣恢復(fù)的去噪模型逐漸成為圖像處理領(lǐng)域的研究熱點(diǎn)。該模型將無噪的自然圖像矩陣看作是低秩的，將圖像中的噪聲矩陣看作是稀疏的，故通過將圖像矩陣分解成一個(gè)低秩矩陣和噪聲矩陣，便將圖像信息和噪聲信息分割開來。本文就基于低秩矩陣恢復(fù)的圖像去噪算法進(jìn)行了深入的研究。
　　在去除椒鹽噪聲時(shí)中值濾波邊緣易產(chǎn)生移位和塊狀效應(yīng)，紋理細(xì)節(jié)不太清晰，當(dāng)椒鹽噪聲太大時(shí)，圖像中會殘留大量的椒鹽噪聲，以及基于低秩矩陣恢復(fù)的椒鹽噪聲去噪算法去噪后

2、的圖像會產(chǎn)生條紋失真，并且紋理等細(xì)節(jié)信息也有一定的模糊，針對這些問題，提出一種新的魯棒圖像去噪模型——全變差與低秩矩陣恢復(fù)的椒鹽噪聲去噪算法。實(shí)驗(yàn)證明該算法能很好的去除椒鹽噪聲。
　　為了進(jìn)一步提高全變差與低秩矩陣恢復(fù)的椒鹽噪聲去噪算法的性能，改善其不足，如紋理細(xì)節(jié)清晰度不夠，當(dāng)噪聲增加后，圖像中會殘留椒鹽噪聲的印記，提出分?jǐn)?shù)階全變差與加權(quán)低秩矩陣恢復(fù)的椒鹽噪聲去噪算法。該算法在全變差與低秩矩陣恢復(fù)的椒鹽噪聲去噪算法模型的基礎(chǔ)上增

3、加分?jǐn)?shù)階全變差約束，并引入了加權(quán)的低秩矩陣和加權(quán)的稀疏矩陣。實(shí)驗(yàn)證明該算法有效克服全變差與低秩矩陣恢復(fù)的椒鹽噪聲去噪算法的不足，算法性能有很大提高。
　　基于低秩矩陣恢復(fù)的去噪算法去噪后的圖像會產(chǎn)生條紋失真，并且當(dāng)圖像中混合有高斯白噪聲和椒鹽噪聲時(shí)，因?yàn)樵撍惴▋H對椒鹽噪聲進(jìn)行約束，仍會有部分高斯噪聲殘留在圖像中。此外，當(dāng)噪聲增加時(shí)，去噪效果急劇下降。針對這些問題，提出加權(quán)低秩矩陣恢復(fù)的混合噪聲圖像去噪算法。實(shí)驗(yàn)證明該算法能很好的去