Journal of Computer Applications
计算机应用,
20
日,
33( 5) : 1416
-1419
ISSN
1001-9081
CODENJYIIDU
2013-05-01
http://www.joca.cn
文章编号
:1001
-9081
(2013
)05
-1416
-04
doi:l0.3724/SP.J.I087.2013.01416
特征保留的稀疏表示图像去躁
马路
l\
邓承志
2
汪胜前
2
刘娟娟
1
(1.江西科技师范大学通信与电子学院,南昌
330013;
2.
南昌工程学院信息工程学院,南昌
330099)
(
*通信作者电子邮箱
malu_wo@yahoo.
cn)
摘
要:稀疏表示理论认为在合适的冗余字典下,图像存在最为稀疏的表示,字典的过完备性,使得通过提取很
少量的大系数使能捕获到图像中的重要信息,而且对噪声更加鲁棒。针对图像去噪,为了更好地保留图像特征信息,
考虑人眼视觉特性,研究过完备字典对噪声图像特征和边缘信息的有效表示,提出以结构相似为信息保真度的特征
保留的稀疏表示去嗓算法。实验结果表明,该算法能更好地对图像去噪,对特征和边缘等信息的保留能力支强,得到
的图像视觉效果更佳。
关键词:稀疏表示;图像去嗓;特征保留;结构相似
中圈分类号:
TN91
1. 73
文献标志码
:A
Feature-retained image de-noising via sparse representation
MA
Lu
1
布
,
DENG
Chengzhi
2
,
WANG
Shengqian
2
,
LIU
Juanjuan
1
(1.
Sc/wol
01
Communication
α nd
Electronics,
li
α
咆四
Science
α nd
Technology Normal University, N
,
α
nchang
lian
g;
刷
330013
,
China;
2. School
01
lr
伪
rmation
Engineering, Nanchang
lnst
归甜
01
Technology,
N
,
α
时
hang
liangxi
330099
, China)
Abstract:
According
to
the theory of
sp
缸百
e
representation, images can be sparse-represented by using an appropriately
redundant dictionary. The completeness can enable using
veηfew
big coefficients
to
capture the important information
of
images, and cause more robust
to
noise. Regarding image de-noising, considering the human visual
characteristics
,也
is
paper
studied the effective representation of characteristics and edge information of noisy image based
on
complete dictionary. For
more effective feature retaining of images
, a method of feature-retaining de-noising via sparse representation was proposed,
which made the Structural SIMilarity (SSIM) as fidelity measure of the
information.
咀
e
experimental results indicate that the
proposed algorithm has a better efficiency of de-noising
,
enhance
咀
the
capacity of retaining
feat
山
e
,
and gets a better visual
effect of de-noised image.
Key
words:
sp
缸
se
representation; image de-noising; feature retaining; structural similarity
0
引言
图像是信息获取的一种重要来源,传输过程中常受到成像
设备以及外部环境的影响,产生了噪声图像,给图像的分析带
来不利影响。为此,去噪成为图像处理中一个重要应用,它作
为图像处理中经典的逆问题,给图像处理领域带来很多新思
路。去噪的目的是为了尽可能地将实际图像与噪声信号分离
开,进而剔除噪声信号,保留真实图像,带来更好的视觉效果。
很多图像去噪方法根据图像频谱分布规律,从频率上将
图像中的有用信息与噪声分开,例如小波去噪,它认为噪声能
量集中于高频,图像有用信息的频谱则分布于一个有限区间。
然而,很多图像中,高频也存在有用信息,像边缘、纹理特征
等,在去噪的同时,这种方法也丢失了部分有用信息;另外,噪
声在低频也有一定分量,简单地滤除高频成分无法去除这部
分噪声分量。而且,对于含更高维奇异性的图像,小波去噪
并不能达到最优的稀疏分解。
图像是一种多结构的复杂信号,正交基系统很难对其稀
疏表示。相对于小波变换,超完备图像稀疏表示
[IJ
采用过完
备字典对图像自适应地表示,能够得到更为稀疏的表示。将
收稿日期
:2012-11-28
;修回日期
:2013-01-07
0
稀疏表示用于图像去噪
[2J
主要是基于稀疏的自适应性、不
相关性以及原子化等特征。图像在过完备字典上分解,自适
应地根据图像信号本身特点选取原子,利用正交匹配追踪算
法(
Orthogonal Matching Pursuit , OMP)
[3J
进行稀疏分解,根据
数据是否在字典上具有稀疏表示,即可以将原始图像与噪声
区分开,达到去噪目的。
在稀疏表示研究
[4J
中,字典设计是研究重点,
1993
年
Mallat
等
[5J
首次提出超完备字典的概念,随后,产生了多尺度
Gabor
字典、多尺度脊波字典
[6J
等研究成果。
2
∞
6
年,
Aharon
等
[7J
将
K-
均值聚类方法推广为
K-
奇异值分解(
K-Sin
伊
I
町
Value Decomposition ,
K-SVD)
算法,用于字典更新,在图像去
噪领域取得了很好的效果。
2009
年,邓承志
[8J
对多尺度脊波
字典的构造进行研究,用于图像去噪,取得不错的效果。
对过完备稀疏表示的研究了解到,基于
K-SVD
算法进行
稀疏去噪是用重构误差最小化作为保真度,它能够使重构误
差最小,但是在特征信息等几何结构的恢复上存在不足。为
了能有效去噪,同时能最大限度地恢复图像几何特征,本文结
合对人眼视觉系统
(Human
Visual System , HVS)
[9
-IOJ
与结构
基金项目:国家自然科学基金资助项目
(61162022)
;江西省自然科学基金资助项目
(2009GZW0020)
;江西省教育厅科技项目
(G
刀
12632)
。
作者简介:马路(1
986
斗,男,湖北黄冈人,硕士研究生,主要研究方向:图像稀疏表示;
邓承志(1
980
- )
,男,江西赣州人,副教授,博士,
主要研究方向:图像稀疏表示;
汪胜前
(1965
斗,男,江西浮梁人,教授,博士,主要研究方向:图像处理、模式识别;
如
j
娟娟(1
989
- )
,女,安
徽毫州人,硕士研究生,主要研究方向:图像处理。