改进的自适应权值核范数最小化去噪算法

为解决传统权值核范数最小化(WNNM)算法在最优参数选取过程中过度依赖经验值的问题,提出一种改进的自适应参数选取WNNM算法,其最大特点是在WNNM算法基础上增加了噪声评估模型。通过提取均值减损对比归一化系数和邻域系数的分布特征参数构成图像特征矢量,与其对应的噪声浓度共同组成样本集;利用支持向量回归对样本集进行训练得到噪声评估模型,快速有效地为算法提供最优参数。实验结果表明,相比传统WNNM算法,该算法在进行图像去噪时,效率更高,效果更好,具有良好的鲁棒性和泛化性。