摘要
针对稀疏表示模型的过完备字典集训练过程中图像块采样不充分问题,提出图像组转置训练及非凸约束的去噪去模糊算法.采用组间方差约束的图像块搜索策略,并根据自适应软阈值对筛选的字典集进行转置学习.在重构过程中采用l_p(0<p<1)范数约束以保证结果的强稀疏性.最后采用Bregman拆分迭代法求解文中非凸模型.实验表明,文中算法重构图像具有较好的视觉效果,去噪去模糊效果较优.
学科与关键词
关键词
去噪去模糊转置学习字典学习非凸优化Bregman拆分迭代 DenoisingDeblurringTransform LearningDictionary LearningNon-convex OptimizationBregman Split Iteration
- 一种基于线性化Bregman迭代的图像去模糊新方法乔田田; 王际朝; 李维国; 吴勃英中国石油大学学报(自然科学版), 2013, (02): 176-180.
- 一种改进的非凸正则项模型的噪声去除方法余婷; 张振山电子科技, 2013, (11): 71-76.
- 基于分裂Bergman的图像去噪实现陈敏; 李昆电子制作, 2015, (13): 90.
