传统图像去噪法基于有用信息和噪声频率特性的差别实现去噪,实际中,有用信息和噪声在频带上往往存在重叠,因此,传统去噪法在抑制噪声的同时,往往损失了细节信息,使图像变模糊.本文引入稀疏与低秩矩阵分解模型描述图像去噪问题,基于该模...传统图像去噪法基于有用信息和噪声频率特性的差别实现去噪,实际中,有用信息和噪声在频带上往往存在重叠,因此,传统去噪法在抑制噪声的同时,往往损失了细节信息,使图像变模糊.本文引入稀疏与低秩矩阵分解模型描述图像去噪问题,基于该模型,采用交替方向法(Alternating direction method,ADM)得到复原图像.实验证明该方法比常用的中值滤波法更有效地抑制了椒盐噪声,同时更好地保持了原始图像的细节信息.展开更多
文摘传统图像去噪法基于有用信息和噪声频率特性的差别实现去噪,实际中,有用信息和噪声在频带上往往存在重叠,因此,传统去噪法在抑制噪声的同时,往往损失了细节信息,使图像变模糊.本文引入稀疏与低秩矩阵分解模型描述图像去噪问题,基于该模型,采用交替方向法(Alternating direction method,ADM)得到复原图像.实验证明该方法比常用的中值滤波法更有效地抑制了椒盐噪声,同时更好地保持了原始图像的细节信息.