Indexed by：
Abstract：
利用混合高斯模型(gaussian mixture model,GMM)学习自然图像块的纹理结构,提出一种基于图像块先验的低秩近似和维纳滤波的去噪算法.该算法能够同时利用外部图像块的先验结构信息和内部图像的自相似性,对待去噪图像进行分块聚类,并根据每类相似块的数量进行协同滤波.当相似图像块数量较多时,采用低秩近似的方法复原,有效利用图像的内部自相似性;当相似图像块数量较少时,采用维纳滤波,利用先验信息保持图像重要的纹理结构.试验结果表明此方法较适用于弧形边界和角点等存在较少相似块的自然图像,其峰值信噪比(peak signal to noise ratio,PSNR)和视觉效果优于目前部分主流算法.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
山东大学学报（工学版）
ISSN： 1672-3961
CN： 37-1391/T
Year： 2017
Issue： 3
Volume： 47
Page： 16-20
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
