论文部分内容阅读
为了改进在纹理丰富的图像中消除随机噪声的效果,基于对学习型字典随机噪声去噪实验结果的分析,论文提出了一种基于MCA图像分解的稀疏表示的去噪方法。首先基于MCA分解将图像分为结构和纹理两部分;然后对分解后的图像分别进行基于稀疏表达的去噪(对结构图像采用全局字典方法、对纹理图像采用双稀疏字典);最后将去噪后的两部分图像进行合成。实验结果表明,相比于K-SVD学习型字典方法,论文算法在去噪效果和处理速度上均有所提高。