摘要
在分析核范数基础上,提出基于加权鲁棒主成分分析(WRPCA)的非局部去噪方法。将加权核范数引入鲁棒主成份分析模型,构建加权鲁棒主成份分析模型(WRPCA),采用增广拉格朗日乘子法对模型进行求解,将WRPCA用于图像去噪。根据图像的自相似性,对噪声图像进行分块,通过块匹配法对图像块进行聚类,获得相似块组矩阵;通过加权鲁棒主成分分析(WRPCA)算法对相似块组矩阵进行低秩矩阵恢复。实验结果表明,无论对低噪声图像和高噪声图像,该方法去噪效果相比现有的经典算法都有一定提高。WRPCA算法对图像结构保持有很好效果,在保持图像纹理细节方面优于其它去噪算法。
Based on analyzing nuclear norm,an approach of non-local denoising was,presented by adding weighted nuclear norm to robust principal component analysis,a model of weighted robust principal component analysis（WRPCA）was obtain,and image denoising was achieved by using augmented Lagrangian multiplier method to solve the model.According to the selfsimilarity of the image,the noise image was divided into blocks,and then the image blocks were clustered using block matching method,similarity matrix blocks were obtained simultaneously.After that,WRPCA for similarity matrix blocks was used to recovery the low rank matrix.Compared with the existing classic algorithms on both high noise images and low noise images,the proposed method shows better denoising effect,and it is more robust. Meanwhile, WRPCA has better performance on preserving both image structure and image texture details.
出处
《计算机工程与设计》
北大核心
2015年第11期3035-3040,共6页
Computer Engineering and Design
基金
国家自然科学基金项目(51365017
61305019)
江西省科技厅青年科学基金项目(20132bab211032)
关键词
鲁棒主成分分析
加权核范数
低秩
图像去噪
自相似性
robust principal component analysis
weighted nuclear norm
low rank
image denoising
self-similarity
作者简介
杨国亮（1973-），男，江西丰城人，博士，研究方向为模式识别与图像处理、智能控制；
王艳芳（1989-），女，福建三明人，硕士，研究方向为模式识别与图像处理；
丰义琴（1989-），女，江西丰城人，硕士，研究方向为模式识别与图像处理；
鲁海荣（1989-），男，江西宜春人，硕士，研究方向为模式识别与图像处理。E-mail：ygliang30@126．com.
