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，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、社會價值。
　　 圖像去噪是圖像處理的基礎性環(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之一。近年來，基于過完備原子庫的信號稀疏分解理論作為一種新的信號表示方式受到學者們的重視，發(fā)展很快，其在圖像去噪的應用上也有了一定的研究成

2、果。本文在對傳統(tǒng)圖像去噪算法尤其是基于變換域的圖像去噪算法進行了簡要回顧后，重點介紹并探討了基于過完備原子庫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。主要研究內(nèi)容如下：
　　 ①簡述圖像噪聲影響、噪聲模型及圖像品質(zhì)評判標準，綜述國內(nèi)外在圖像去噪算法和過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)過程以及算法的復雜性。在此基礎上引出了K-SVD(Singular ValueDecomposition)算法，闡述了算法的流程和實用意義。
　　 ③針對圖像去噪的核心問題--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。尤其是針對低信噪比的圖像去噪問題進行了詳細的分析和論述。
　　 ④針對低信噪比圖像去噪問題，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)生的冗余字典訓練成能夠有效反映圖像結(jié)構(gòu)特征的過完備字典，以實現(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，來實現(xiàn)圖像的去