................................................................................................................................................11
(3-7)..................................................................................................................................11
图 3-1:图像 X、Y 及权重 W 示意图.................................................................................11
图 1 直观展示了上述推导过程中的某些量,表示图像 X 中点的灰度值,表示图像 Y 中
点的灰度值,表示点权重值;表示以点为中心的图像块像素点向量表示,,同理;表
示以点为中心的图像块中点的灰度值,,,同理;=。...................................................11
基于上述讨论,我们下面将给出迭代求解实现椒盐噪声去噪的具体算法步骤。步骤如
下:.........................................................................................................................................12
任务:对加入了椒盐噪声的含噪图像进行去噪。............................................................12
算法参数:-图像块大小,-基元组大小,-迭代训练次数,-拉格朗日算子,-噪声强
度。.........................................................................................................................................12
①给定,;............................................................................................................................12
②给定,................................................................................................................................12
初始化:用中值滤波对噪声图像做去噪处理得到初始去噪图像,采用高斯函数,=超
完备 DCT 基元组。...............................................................................................................12
迭代次:................................................................................................................................12
i.稀疏编码阶段:在每个图像块上,使用 OMP 算法计算稀疏表达系数:..................12
s.t. .........................................................................................................................................12
ii.去噪图像更新阶段:........................................................................................................12
................................................................................................................................................12
................................................................................................................................................12
iii.权重系数更新阶段:.......................................................................................................12
................................................................................................................................................12
四 实验................................................................................................................................13
实验中,我们将在标准测试图像上实验高斯噪声和椒盐噪声去噪算法。第一部分我们
将展示对两个样例图片 lena 和 barbara 加上高斯噪声,然后分别使用基于 DCT 基元
组、全局基元组和自适应基元组的经典稀疏表达模型对图片去噪;在第二部分中我们
对 boat 和 lena 两个样例图片加入椒盐噪声,先分别使用基于 DCT 基元组的经典稀疏
表达模型去噪,然后再使用基于 DCT 基元组的改进模型对其进行去噪处理,这样做
可以方便地比较两种去噪模型对椒盐噪声的实际去噪效果。.........................................13
实验过程中我们使用标准的数据测试:所有要处理的图片大小为 512512,DCT 基元
组大小为 64256,用来处理图像块的大小为 88 像素,高斯噪声模型中我们设,,椒盐
噪声模型中噪声强度统一为 P=0.05。.................................................................................13
................................................................................................................................................13
(a)加入高斯噪声"lena" 图 (b)采用 DCT 基元组去噪结果.............................................13
................................................................................................................................................13
(c) 全局基元组去噪结果 (d)自适应基元组去噪结果.........................................................13
图 2:对 lena 图像(高斯噪声)采用 DCT、全局基元组及自适应基元组去噪结果.........14
我们对"lena"和"barbara"两个样例图片加上高斯噪声,,然后分别使用基于 DCT 基元
组,全局基元组和自适应基元组的经典稀疏表达模型对图片去噪.................................15
................................................................................................................................................15