[发明专利]一种基于改进自适应字典学习的图像去噪方法

摘要

本发明公开了一种基于改进自适应字典学习的图像去噪方法，包括：输入数据集合，初始化，设定字典D的初值；固定字典D，寻找信号y_i在字典D第j列上的最大稀疏表示系数，以及字典D中相对应的列；更新信号y_i；计算新的稀疏系数与已有稀疏系数均值的比值，得到信号y_i的稀疏表示；更新字典D；得到适合的冗余字典D。本发明有益效果：相比于传统利用噪声方差作为阈值的方法，该方法不用估计噪声能量，而且在噪声变化的情况下，具有较好的鲁棒性。

主权项

一种基于改进自适应字典学习的图像去噪方法，其特征是，包括以下步骤：(1)输入数据集合初始化，设定字典D的初值；(2)固定字典D，设定寻找次数j＝1，寻找信号y_i在字典D第j列上的最大稀疏表示系数x’_j，以及字典D中相对应的列d_j；(3)更新信号y_i，令j＝j+1，计算更新后的信号y_i在字典D第j列上的最大稀疏表示系数，以及字典D中相对应的列；(4)计算新的稀疏系数与已有稀疏系数均值的比值，如果所述比值满足设定条件，则得到信号y_i的一个新的稀疏表示系数，返回步骤(3)，继续寻找下一个稀疏表示系数；否则，说明信号y_i的稀疏表示系数已经寻找完毕，结束本过程，进行下一步；(5)更新字典D；(6)重复步骤(2)——步骤(5)，得到适合的冗余字典D，使其满足：$\begin{array}{cccc}\underset{D,X}{\min }& {||Y-DX||}_F^2& subjectto& \∀i,{||x_i||}_0\≤L,Y=\[y_i\],X=\[x_i\];\end{array}$其中，y_i为输入的信号数据，x_i为数据的稀疏表示系数，Y为信号y_i的集合，X为稀疏表示系数x_i的集合，L为稀疏系数的个数。