期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进K-SVD和非局部正则化的图像去噪
被引量：
10
1
作者
杨爱萍
田玉针
+1 位作者
何宇清
董翠翠
《计算机工程》
CAS
CSCD
北大核心
2015年第5期249-253,共5页
K-奇异值分解(K-SVD)算法在强噪声下的去噪性能较差。为此,提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法,提高原算法的去噪性能,将非局部正则项融入图像去噪模型,并采用非局部自相似性进一步改...
K-奇异值分解(K-SVD)算法在强噪声下的去噪性能较差。为此,提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法,提高原算法的去噪性能,将非局部正则项融入图像去噪模型,并采用非局部自相似性进一步改善图像的去噪效果。实验结果表明,与传统K-SVD算法相比,该算法在提高同质区域平滑性的同时,能保留更多的纹理、边缘等细节特征。
展开更多
关键词
图像去噪
稀疏表示
奇异值分解
正交匹配追踪算法
字典优化
非局部自相似性
在线阅读
下载PDF
职称材料
题名
基于改进K-SVD和非局部正则化的图像去噪
被引量：
10
1
作者
杨爱萍
田玉针
何宇清
董翠翠
机构
天津大学电子信息工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第5期249-253,共5页
基金
国家自然科学基金资助项目(61372145)
文摘
K-奇异值分解(K-SVD)算法在强噪声下的去噪性能较差。为此,提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法,提高原算法的去噪性能,将非局部正则项融入图像去噪模型,并采用非局部自相似性进一步改善图像的去噪效果。实验结果表明,与传统K-SVD算法相比,该算法在提高同质区域平滑性的同时,能保留更多的纹理、边缘等细节特征。
关键词
图像去噪
稀疏表示
奇异值分解
正交匹配追踪算法
字典优化
非局部自相似性
Keywords
image denoising
sparse representation
Singular Value Dec
omp
osition （ SVD ）
orthonomal matchingpursuit （omp） algorithm
dictionary optimization
non-local self-similarity
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进K-SVD和非局部正则化的图像去噪
杨爱萍
田玉针
何宇清
董翠翠
《计算机工程》
CAS
CSCD
北大核心
2015
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
