基于非局部自相似字典学习的图像混合噪声去除算法

来源：机床与液压杂志2018年第12期北京时间：

作者：李敏

单位：重庆广播电视大学 电子信息工程学院；重庆广播电视大学 电子信息工程学院

摘要：高斯噪声和泊松噪声是影响图像质量的主要噪声源，为了去除这些噪声，大量的图像去噪算法被提出，但这些算法往往局限于去除单一的高斯噪声或泊松噪声。由于字典原子能够自适应的表示图像的结构特征，结合高斯泊松混合噪声的统计特性，提出一种基于字典学习和非局部结构聚类的高斯泊松混合噪声去除方法，在稀疏表示的框架下学习字典并重构无噪图像。考虑到图像在非局部范围内存在自相似性，通过对非局部的相似结构进行聚类，将此自相似性作为去噪目标函数的正则项，以提高去噪性能。实验结果表明：提出的算法能够有效的去除图像中的高斯-泊松混合噪声。

关键词：混合噪声;字典学习;非局部;自相似性