摘要：针对图像稀疏去噪时采用固定字典稀疏效果不理想、去噪质量不高等问题,提出了基于字典学习的图像稀疏去噪算法。该算法首先选择初始化DCT字典,通过K-SVD算法对噪声图像样本反复迭代、更新得到字典,对图像进行稀疏表示,最后采用OMP算法对图像进行重构,得到去噪后图像。对不同类型和细节信息的实测图像,研究了采用DCT字典、基于自然图像训练字典和基于噪声图像训练字典的OMP算法的图像去噪性能,并设计仿真实验进行性能比较。仿真实验结果表明,基于噪声图像训练字典的图像稀疏去噪算法与其他两种算法相比去噪性能较好,具有自适应性。

摘要：为解决K-SVD图像去噪算法运算复杂、去噪效率低的问题,提出一种基于平均计算的快速K-SVD图像去噪算法。采用分簇去噪的思想,按照灰度方差将图像分为背景簇和内容簇两部分;用平均计算预处理策略消除噪声对图像分簇精度的影响;用均值滤波对背景簇去噪,K-SVD算法对内容簇去噪,结合均值滤波的去噪速度快以及K-SVD算法去噪效果好的优势。实验结果表明,该算法保留了K-SVD去噪效果好的优势,在去噪效率上较原算法有明显的改善。