首页 | 本学科首页   官方微博 | 高级检索  
     检索      

利用核模糊聚类和正则化的图像稀疏去噪
引用本文:吴一全,李立.利用核模糊聚类和正则化的图像稀疏去噪[J].光子学报,2014,43(3):310001.
作者姓名:吴一全  李立
作者单位:吴一全:南京航空航天大学 电子信息工程学院, 南京 210016
李立:南京航空航天大学 电子信息工程学院, 南京 210016
基金项目:国家自然科学基金 (No. 60872065)和江苏高校优势学科建设工程资助
摘    要:针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块共享相同的稀疏去噪模型;然后,选择由经典图像库中图像训练而得的全局字典作为初始字典,很好地适应图像的多种特征;接着,对于同一类图像块,通过施加1/2范数正则化约束,实现该类图像块在字典下的稀疏分解,确保分解系数更为稀疏;最后,通过改进的K-奇异值分解算法完成字典的更新,并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子,从而有效地去除图像噪音.实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪音,保留图像细节,改善图像视觉效果.

关 键 词:图像处理  稀疏表示  图像去噪  核模糊C均值聚类  正则化  字典更新  K-奇异值分解
收稿时间:2013/7/22

Image Denoising Using Kernel Fuzzy Clustering and Regularization on Sparse Model
Abstract:
Keywords:Image processing  Sparse representation  Image deniosing  Kernel fuzzy C-means clustering  Regularization  Dictionary updating  K-singular value decomposition
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号