基于稀疏表示與非局部相似融合的圖像去噪算法
大小：1.03 MB 人氣：0 2017-12-25 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
標(biāo)簽：稀疏(8618)圖像去噪(9228)
針對受加性高斯白噪聲（ AWGN）與椒鹽噪聲（SPIN）以及隨機(jī)值沖擊噪聲（RVIN）組成的混合噪聲污染的圖像進(jìn)行去噪的問題，提出一種在現(xiàn)有加權(quán)編碼算法的基礎(chǔ)上將圖像稀疏表示和非局部相似先驗(yàn)融合的改進(jìn)算法。首先，利用基于字典的圖像稀疏表示構(gòu)建去噪變分模型，對模型中的數(shù)據(jù)保真項(xiàng)設(shè)計(jì)一個(gè)權(quán)重因子來抑制沖擊噪聲的干擾；其次，利用非局部平均思想對混合噪聲圖像進(jìn)行初始去噪，在得到的圖像中構(gòu)建掩膜矩陣將沖擊噪聲點(diǎn)排除進(jìn)而求取非局部相似先驗(yàn)知識；最后，將非局部相似先驗(yàn)與稀疏先驗(yàn)融合進(jìn)變分模型的正則項(xiàng)中，求解變分模型得到最終去噪圖像。實(shí)驗(yàn)結(jié)果表明，在不同的噪聲比率下，所提算法與模糊加權(quán)非局部平均算法相比，峰值信噪比（ PSNR）提高了1.7 dB，特征相似性指數(shù)（FSIM）提高了0.06；與加權(quán)編碼算法相比，PSNR提高了0.64 dB，F(xiàn)SIM提高了0. 03。該算法對于紋理較強(qiáng)的圖像可以顯著提升去噪效果，能有效地保留圖像的本真信息。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于稀疏表示與非局部相似融合的圖像去噪算法下載
相關(guān)電子資料下載
- 昆侖萬維開源2千億稀疏大模型Skywork-MoE 371
- 一種柔性稀疏傳感器網(wǎng)絡(luò)系統(tǒng)，用于新生兒不安運(yùn)動評估 607
- 基于柔性無線IMU傳感器的稀疏傳感網(wǎng)絡(luò)，用于新生兒腦癱快速篩查 375
- 基于柔性無線IMU傳感器的稀疏傳感網(wǎng)絡(luò) 159
- Sparse4D-v3：稀疏感知的性能優(yōu)化及端到端拓展 806
- 深入理解BigBird的塊稀疏高效實(shí)現(xiàn)方案 343
- CCV 2023 | SparseBEV：高性能、全稀疏的純視覺3D目標(biāo)檢測器 602
- 基于全稀疏的單階段3D目標(biāo)檢測器優(yōu)化方案 338
- 對于極暗場景RAW圖像去噪，你是否還在被標(biāo)定折磨？ 929
- NVIDIA Ampere 架構(gòu)的結(jié)構(gòu)化稀疏功能及其在搜索引擎中的應(yīng)用 371