摘要
为了解决红外图像中有用信息与噪声的分离，确保有用信息的有效保留问题，提出了一种基于在线的超完备字典学习的红外图像去噪方法。该方法首先通过对一般的正交基进行扩展来获得初始超完备字典；其次，构造用于学习的样本集合（应尽可能多地包含各种信号成分）；最后，对初始超完备字典进行训练更新得到自适应超完备字典，从而获得图像的稀疏表示，实现原始图像与噪声的有效分离，达到去噪目的。通过与DCT字典方法、全局字典方法进行了仿真比较，结果表明该方法能更好地去除图像噪声，保留图像细节信息，获得更高的PSNR值。
To keep the efficient information, and to obtain better denoising ability of the Infrared Image, an algorithm based on online dictionary learning is proposed. The initial over-complete dictionary is trained and renewed to get the sparse loding for denoising. The algorithm is compared with the DCT dictionary and the non-local dictionary by experiments. The simulation result showes that the algorithm keep more useful detailed information of the infrared image, and improve the peak signal-to-noise ratio.
作者
芦鸿雁
LU Hongyan(Department of Information Engineering, Engineering University of PAP, Xi＇an 710086, China)
出处
《武警工程大学学报》
2017年第2期7-11,共5页
Journal of Engineering University of the Chinese People＇s Armed Police Force
基金
国家自然科学基金面上项目“气动光学效应退化红外图像复原理论和方法研究”（61175120）
关键词
红外图像
去噪
超完备字典
在线字典学习
infrared image
denoising
over- complete learned dictionary
online dictionary learning
作者简介
芦鸿雁（1982-），女，黑龙江人，博士在读，指挥信息系统工程教研室讲师。
