基于DCT过完备字典和MOD算法的图像去噪方法

文章介绍了一种DCT过完备字典和MOD算法相结合的图像稀疏表示去噪算法。首先将噪声图像分成小图像块,并运用正交匹配跟踪算法(OMP)在图像的初始化DCT过完备字典上对小图像块进行稀疏分解;然后使用MOD字典学习算法对DCT过完备字典进行更新;最后重复该过程以获得图像的稀疏表示并重构图像。试验结果表明:该方法在实现图像去噪的同时,其去噪性能比传统的方法更有优势。

基于K-SVD学习字典的机织物纹理表征及应用

为更好地适应机织物纹理以及减少程序的运行时间,选取平纹、斜纹、缎纹3种组织结构采用K-奇异值分解(K-SVD)的方法训练得到一个自适应字典。以峰值信噪比、结构相似性为指标,探讨不同稀疏基数对机织物纹理图像重构的影响,针对不同的应用,选取了合适的稀疏基数T。利用该字典重构机织物纹理图像,在此基础上检测织物瑕疵。实验结果表明:T=6时,算法不仅能有效重构机织物纹理图像(PSNR和SSIM),而且重构效果要优于初始离散余弦转换(DCT)字典;T=4时,K-SVD字典能更好地适应瑕疵样本,且鉴别瑕疵的能力更强。

基于字典学习的大气湍流退化图像复原技术应用

为了消除大气湍流对图像的影响,提高图像质量,结合稀疏表示理论,采用字典学习的算法处理大气湍流退化图像。将DCT过完备字典、K-svd全局字典和自适应字典的算法应用于图像去噪过程,并与维纳滤波算法进行比较。结果表明,该算法能较好地滤除大气湍流退化图像的噪声,提高图像的峰值信噪比。仿真实验验证了稀疏表示在处理大气湍流退化图像的可行性,对比传统算法具有更好的去噪性能。

基于GOMP的Chirp扩频水声通信信号降噪处理

受海况影响,水声通信信号会淹没在各种海洋环境噪声中,导致水听器接收信号含有大量噪声干扰.针对此问题,利用稀疏分解(sparse decomposition)理论,通过广义正交匹配追踪(generalized orthogonal matching pursuit,GOMP)算法对Chirp扩频(chirp spread spectrum,CSS)水声通信信号进行降噪处理.首先根据水声通信信号构建过完备离散余弦变换(Discrete Cosine Transform,DCT)字典;其次根据GOMP算法计算恢复信号的稀疏矩阵;再重构信号.在不同噪声级数下的仿真结果表明信噪比在-20 dB时,该方法使水声通信系统中水听器对接收信号噪声抑制能力较强,提高了水听器的性能.

基于稀疏冗余表示的三维地震数据随机噪声压制

传统的二维随机噪声压制方法应用于三维地震数据的随机噪声压制时,去噪效果往往不理想,为此提出基于稀疏冗余表示的压制三维地震数据随机噪声的方法。该方法在贝叶斯框架下,通过正交匹配追踪(OMP)和K-奇异值分解(K-SVD)不断迭代更新三维稀疏矩阵和三维超完备离散余弦变换(DCT)字典,利用三维超完备DCT字典作为三维地震数据的稀疏冗余表示,使三维地震数据中随机噪声得到压制。三维模拟数据和实际地震数据试算表明:与常规f-x反褶积法和K-L变换法相比,该方法既提高了三维地震数据体的信噪比,又有效地保护了地震反射信号,而且水平切片的连续性和平滑性很好,构造复杂区域的分辨率也得到提高。

基于K-SVD算法的带钢表面缺陷图像去噪

目的有效滤除带钢表面缺陷图像高斯噪声。方法高斯噪声是影响带钢图像质量的主要噪声类型之一,针对带钢表面缺陷图像高斯噪声去噪,首先对传统K-SVD(K-means and singular value decomposition)算法中的字典进行升级改造,然后采用正交匹配追踪(OMP,Orthogonal Matching Pursuit)算法对图像进行重构,滤除噪声,最后运用此算法对缺陷图像进行高斯滤波处理。为验证该算法去噪效果,选取几种常见的典型缺陷图像(划伤、气泡、氧化色、粘结纹)进行测试仿真,并选用中值滤波、均值滤波、小波变换、维纳滤波、3维块匹配(BM3D)等多种传统滤波方法进行比较。结果该算法对四种典型缺陷去噪的PSNR(Peak Signal to Noise Ratio)值平均可达33.976 d B,MSE(Mean Square Error)平均值为27.607,SSIM(Structural Similarity)平均值为0.912。结论该算法对带钢表面缺陷重构图像的边缘细节清晰,PSNR、MSE、SSIM三个性能指标明显优于其他传统滤波算法,去噪效果良好。

基于稀疏表示的遥感图像融合

提出了一种基于稀疏表示的遥感图像融合方法,该方法首先将多光谱图像进行PCA变换,对变换后的第一主分量和全色图像进行分块稀疏表示;其次,将稀疏系数通过绝对值取大法进行融合;最后,将融合系数进行重构,得到融合后的遥感图像。为了验证该方法的有效性,实验过程使用了地球眼卫星数据和快鸟卫星数据,实验结果表明,该方法的实验结果无论从视觉效果还是客观评价指标上均优于对比方法得到的结果。

基于K-SVD字典稀疏分解的实木地板去噪方法

针对实木地板的图像获取过程中,所产生的噪声问题,引入了K-SVD字典的学习算法,提出了一种图像的有用信息稀疏分解去噪的方法,目的是有效的保留实木地板的有用纹理信息,并抑制其中掺杂的噪声。通过对图像稀疏分解后得到的值,来进行图像重构,就可以达到图像的去噪目的。首先,构造一个初始化的DCT字典,对图像分块处理;接着,在这个初始化字典的基础之上,进行纹理信息的稀疏分解,同时,对它们之间的残差值进行奇异值分解,更新字典;最后,利用得出的最优化字典,采用正交匹配重构算法,完成去噪图像的重建。实验表明,该算法得出的图像主观效果好,减少了去噪后的模糊程度及保留更多细节信息,在不同程度的噪声下,PSNR较高。