融合非局部相似性和稀疏冗余表示的图像去噪技术研究

项目名称： 融合非局部相似性和稀疏冗余表示的图像去噪技术研究

项目编号： No.61401379

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 无线电电子学、电信技术

项目作者： 周颖玥

作者单位： 西南科技大学

项目金额： 22万元

中文摘要： 非局部相似性和稀疏冗余表示各自在图像去噪问题上均有优异的表现，前者是图像本身从空域角度提供给外界的“直接先验”知识，后者是借助机器学习方法所获得的自适应于目标信号的“训练先验”。本项目针对遭受到冲击、高斯混合冲击、乘性以及泊松等多类噪声所污染图像的去噪问题，旨在集合非局部相似性和稀疏冗余表示在图像去噪上的优势，试图将“直接先验”和“训练先验”合理融合起来，共同构建图像变分去噪模型并对之求解，获得更接近于本真图像的去噪图像。拟解决的几大关键问题是：（1）含噪信号下自适应过完备字典的学习问题；（2）非高斯噪声环境下图像块之间相似性的定量计算问题；（3）融合非局部相似性和稀疏冗余表示的变分去噪模型的构建与求解问题。本项目将弥补非局部相似性和稀疏冗余表示大多仅应用于加性高斯噪声所污染图像去噪问题的缺陷，扩展其在不同噪声环境下的适应性，为进一步提高数字影像去噪效能提供必要的技术支持。

中文关键词： 非局部平均滤波器；自适应过完备字典学习；互补稀疏编码；融合的去噪技术；非高斯噪声

英文摘要： Nonlocal similarity and sparse & redundant representation make the excellent performance in the problem of image denoising respectively. The former is the “direct prior” offered by image itself from the spatial domain. The latter is the “trained prior” wh

英文关键词： nonlocal means filter；adaptive overcomplete dictionary learning；omplementary sparse coding；combinatorial denoising technique；non-Gaussian noise