电讯技术

作者：薛智爽,杨平先,黄坤超,陈明举,陈柳

单位：(四川轻化工大学 自动化与信息工程学院，四川 自贡 643000;中国西南电子技术研究所，成都 610036)

关键词：图像去噪；群稀疏表示；非局部信息；贝叶斯估计；

基金：四川省科技计划项目（2019YJ0476,2018GZDZX0043）；人工智能四川省重点实验室开放基金项目（2016RYY02）

针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点，将群稀疏表示引入到图像的最优滤波中，提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵，在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵；在已知噪声服从高斯分布的情况下，再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计；最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明，所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息，获得了更好的主客观评价指标，去噪的峰值信噪比提高1 dB以上。

来源：2019年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2019年第10期