改进的K-奇异值分解图像去噪算法

来源：计量学报杂志2018年第3期北京时间：

作者：程一峰,刘增力

单位：昆明理工大学 信息工程与自动化学院, 云南 昆明 650500

摘要：针对传统的K-奇异值分解信号利用率不足,采用了稀疏贝叶斯学习预处理图像信号;将正交匹配追踪与改进之后的最速下降理论相结合;因噪声原子存在于字典更新之后得到的字典中,所以结合Bartlett检验法将噪声原子裁剪掉。实验结果表明,此方法相对于小波阈值去噪法、基于离散余弦变换字典稀疏表示等去噪方法能够更好地滤除噪声,保留图像边缘信息,获得更高的峰值信噪比,得到图像视觉效果更佳。

关键词：计量学; 图像去噪; 稀疏贝叶斯学习; 正交匹配追踪; K-奇异值分解; K-均值聚类

基金资助：国家自然科学基金(61271007, 60872157)