论文部分内容阅读
自然图像一般都具有自相似性,利用图像自相似性可以有效地去除图像中所包含的噪声。目前大部分的基于自相似性的图像去噪方法在处理图像块时将其展开成列向量,从而一组相似图像块排列成矩阵,通过处理相似图像块矩阵来滤除噪声。但是将图像块展开成一维列向量时,会破坏图像块的二维结构。针对此问题,本文提出了一个新的基于高阶奇异值分解的图像去噪方法,即把一组相似的图像块堆积成3维数组,并将其看作一个3阶张量,进行高阶奇异值分解。分解后得到的核心张量,可以视为高阶奇异值分解域的系数。在收缩核心张量的系数时,利用其系数的分布信息,结合高阶奇异值分解的性质,本文提出了一种自适应硬阈值系数收缩的算法。实验结果表明,新方法在峰值信噪比和视觉质量上都达到了良好的去噪效果。