基于聚类的图像稀疏去噪方法.pdf

第27卷第lO期 信 号 处 理 V01．27．No．10 SIGNAL 2011年10月 PROCESSING Oct．2011 基于聚类的图像稀疏去噪方法 叶敏超 钱j云涛 沈言浩 (浙江大学计算机科学与技术学院，浙江杭州310027) 摘要：在图像去噪方法的研究中，非局部均值算法与稀疏去噪算法是近几年受到广为关注的方法。非局部均值算法 将具有邻域相似性的像素点作加权平均；而稀疏去噪算法是将图像的非噪声部分用过完备字典进行稀疏表示。基于上述两 种方法的思想。本文提出了基于聚类的稀疏去噪方法，该方法结合了非局部均值算法与稀疏去噪算法的优点，对相似的图 像块进行聚类，并通过施加它，／￡：范数的正则化约束，对同一类中的图像块在过完备字典上进行相同结构的稀疏表示，从而 达到去噪目的。在字典的选择上，本文使用DCT字典和双正交小波字典，能够同时保留原图像中的平滑分量与细节分量。 实验结果表明，本文方法比传统的稀疏去噪方法有更好的去噪效果。 关键词：图像去噪；聚类；稀疏结构；字典 中图分类号：TP391文献标识码：A 文章编号：1003-0530(2011)10-1593-06 based modelfor sparse imagedenoising Clustering YE Yun—·taoSHENYan·-hao Min··chao QIAN of 310027，China) (CollegeComputerScience，ZhejiangUniversity，Hangzhou Non—localmeansand modelsaretwo methods attentionstherecent Abstract： sparse importantdenoising attractingmany during non—localmeansmethodllsesthe ofthe thatsharesimilar denoisedresult．and years．The weightedaveragepixels neighborhoods硇the the methodrecoversthe ofan a withafewatomsina sparse non·noisycomponentsimageby sparserepresentation dictionary． denoising baaed for Basedonthesetwo a model first the methods，we sparse image partitionsimage denoising proposeclustering denoising，which totheir thenuses norm tomakethesimilar inthessJnecluster