基于稀疏表示与字典学习的彩色图像去噪算法

计算机工程与科学

基于稀疏表示与字典学习的彩色图像去噪算法

杨培1，高雷阜1，王江1，訾玲玲2

（1.辽宁工程技术大学优化与决策研究所，辽宁阜新 123000;

2.辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105）

收稿日期:2016-08-22 修回日期:2017-02-23 出版日期:2018-05-25 发布日期:2018-05-25
基金资助:
国家自然科学基金（61702241）;辽宁省科技厅博士科研启动基金(201601365,20170520075);辽宁工程技术大学生产技术问题创新研究基金（20160089T）

A color image denoising algorithm based on

sparse representation and dictionary learning

YANG Pei1,GAO Lei-fu1,WANG Jiang1,ZI Ling-ling2

（1.Institute of Optimization and Decision,Liaoning Technical University,Fuxin 123000;

2.College of Electronics and Information Engineering,Liaoning Technical University,Huludao 125105,China）

Received:2016-08-22 Revised:2017-02-23 Online:2018-05-25 Published:2018-05-25

摘要/Abstract

摘要：

针对彩色图像在去噪时易产生模糊现象和伪色彩的问题，提出多信息结合字典算法。首先提出了基于RGB颜色空间各通道模值的加权梯度定义，并在此基础上建立了由彩色图像的亮度、加权梯度、颜色信息结合的一种过完备结构字典。其次利用噪声图像的稀疏性，通过不断更新迭代的字典训练过程，找到最优稀疏系数和最优学习字典，从而将噪声信息和图像有用信息分离开，精确重构图像并单求其颜色，进而得到去噪后的彩色图像。实验结果显示，与已有算法相比，本文提出的算法在不同的噪声强度下都取得了更好的视觉效果和更高的客观评价指标值，表明该算法具有良好的去噪性能。

关键词: 稀疏表示, 过完备结构字典, 加权梯度, 图像去噪

Abstract:

To solve the problems of fuzzy phenomenon and pseudo color in the denoising process of color images, a dictionary algorithm combining multiple information is proposed. Firstly, the definitions of the weighted gradients based on the channel model values in RGB color space are presented. On this basis, an over-complete structure of the dictionary is established, which uses brightness, weighted gradient and color information. Secondly, the iterative dictionary training process is continually updated and processed by using the sparsity of the noised image, and the optimal sparse coefficients and optimal learning dictionary are found, which can separate noise information from useful information of images, accurately reconstruct images which only requiring the color values computation and obtain the denoised color image. Experimental results show that, compared with the existing algorithms, the proposed algorithm achieves better visual effects and higher objective index values under different noise intensities, indicating that the algorithm has good denoising performance.

Key words: sparse representation, over-complete structural dictionary, weighted gradient, image denoising

杨培1，高雷阜1，王江1，訾玲玲2. 基于稀疏表示与字典学习的彩色图像去噪算法[J]. 计算机工程与科学.

YANG Pei1,GAO Lei-fu1,WANG Jiang1,ZI Ling-ling2 .

A color image denoising algorithm based on

sparse representation and dictionary learning

[J]. Computer Engineering & Science.

[1]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[2]	何选森, 徐丽, 夏娟 . 具有相似性传播的K-均值欠定盲分离算法[J]. 计算机工程与科学, 2021, 43(10): 1880-1890.
[3]	张露文, 薛晓军, 李恒, 王海瑞, 张国银, 赵磊. 基于改进NLM的PCB图像去噪算法[J]. 计算机工程与科学, 2021, 43(09): 1608-1615.
[4]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[5]	李燕,章玥. 基于随机投影与加权稀疏表示残差的光照鲁棒人脸识别方法[J]. 计算机工程与科学, 2018, 40(11): 2015-2022.
[6]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(08): 1453-1458.
[7]	陆海青1,2，葛洪伟1,2. 混合鲁棒权重和改进方法噪声的两级非局部均值去噪[J]. 计算机工程与科学, 2018, 40(07): 1227-1236.
[8]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(07): 1250-1255.
[9]	殷俊1,2，杨万扣3. 基于局部表示的分类方法及其人脸识别应用[J]. 计算机工程与科学, 2018, 40(03): 500-506.
[10]	冀中，赵硕，王建，刘立. 基于噪声检测的总变分去噪算法[J]. 计算机工程与科学, 2018, 40(03): 507-514.
[11]	张海燕1,张立毅1,2，孙云山1,2. 基于离散剪切波正则化的低剂量CT图像统计重建算法[J]. 计算机工程与科学, 2018, 40(01): 86-92.
[12]	刘作军，高尚兵. 基于结构化低秩表示和低秩投影的人脸识别算法[J]. 计算机工程与科学, 2018, 40(01): 108-115.
[13]	贾晋华，于洁潇，刘开华，赵宇. 导向矢量失配情况下基于稀疏表示的波达方向估计算法[J]. 计算机工程与科学, 2017, 39(11): 2016-2021.
[14]	王晓燕1,2，池天河1. 结合变异粒子群和字典学习的遥感影像去噪[J]. 计算机工程与科学, 2017, 39(09): 1675-1681.
[15]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.