论文部分内容阅读
为提高稀疏度并减小重构误差,提出一种基于稀疏字典和稀疏编码的图像去噪算法.基于贝叶斯图像稀疏去噪框架,采用交替优化思想学习出自适应稀疏超完备字典,该字典结构本身具有稀疏性,能有效分离图像的有用信息与噪声数据,提高算法的鲁棒性;在稀疏编码阶段,LS-OMP算法能不断选择与待去噪图像具有最相似结构的原子,从而能很好的逼近原始图像.实验表明,与基于传统固定字典、K-SVD学习字典、SK-SVD学习字典的稀疏去噪方法相比,该算法能较好的提取原图像的细节信息,具有较高的峰值信噪比.