Low SNR image denoising via sparse and redundant representations over K-SVD algorithm and residual ratio iteration termination

doi:10.13741/j.cnki.11-1879/o4.2012.01.004

您当前的位置：

首页 >

文章列表页 >

Low SNR image denoising via sparse and redundant representations over K-SVD algorithm and residual ratio iteration termination

更新时间：2025-09-01

- Low SNR image denoising via sparse and redundant representations over K-SVD algorithm and residual ratio iteration termination
- Vol. 38, Issue 1, Pages: 23-29(2012)
- 作者机构：
  
  1:重庆大学自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2012.01.004
  CLC：
- Published：2012
- 稿件说明：
移动端阅览
Low SNR image denoising via sparse and redundant representations over K-SVD algorithm and residual ratio iteration termination[J]. 2012, 38(1): 23-29.
DOI：

Low SNR image denoising via sparse and redundant representations over K-SVD algorithm and residual ratio iteration termination[J]. 2012, 38(1): 23-29. DOI： 10.13741/j.cnki.11-1879/o4.2012.01.004.

摘要

针对低信噪比图像去噪问题

提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit

OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform

DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典

以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明

该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪

以及基于DCT冗余字典的稀疏表示图像去噪

能够更加有效地滤除低信噪比图像中的高斯白噪声

保留原图像的有用信息。

Abstract

关键词

Keywords

references

Views

1380

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Wavelet denoising based on differentiable shrinkage function and adaptive threshold

Twice iterative trimmed mean filter with wavelet detection

The filtering algorithm for mixed noise based on nonlocal self similarity

Research on OCT image denoising based on fractional integral algorithm

Total variation guided bilateral filtering for image denoising

Related Author

石艳

陈家益

方斌

周勇

邓春华

石凌峰

姜振宇

袁健

Related Institution

3:岭南师范学院信息工程学院

2:广东医科大学生物医学工程学院

1:广州城建职业学院信息工程学院

2:江西师范大学计算机信息工程学院

1:江西应用科技学院软件与区块链学院

⁰