基于有限混合模型的結(jié)構(gòu)化稀疏表示圖像去噪方法研究.pdf

1、基于有限混合模型的結(jié)構(gòu)化稀疏表示圖像去噪方法是圖像處理領(lǐng)域的研究熱點(diǎn)問題。與傳統(tǒng)稀疏表示方法中的字典學(xué)習(xí)相比，有限混合模型學(xué)習(xí)方法具有計(jì)算復(fù)雜度低，數(shù)學(xué)機(jī)理容易理解等優(yōu)點(diǎn)，其中高斯混合模型作為最常用的有限混合模型，已廣泛應(yīng)用于圖像處理的各個(gè)領(lǐng)域，并取得了較好的效果。但是，傳統(tǒng)的基于高斯混合模型的圖像去噪方法沒有考慮圖像的梯度信息，導(dǎo)致在去噪過程中丟失了大量的圖像細(xì)節(jié)和紋理信息;另外，由于高斯分布的尾部短而輕，高斯混合模型對(duì)噪聲比較敏感，

2、在圖像受污染嚴(yán)重時(shí)，傳統(tǒng)的基于高斯混合模型的圖像去噪方法不能獲得令人滿意的去噪效果。為此,我們首先提出添加梯度保真項(xiàng)以在去噪的同時(shí)保留更多的圖像邊界信息;同時(shí)構(gòu)造一種新的基于圖像梯度和局部熵的自適應(yīng)正則化參數(shù)格式，使得模型參數(shù)能夠自適應(yīng)于圖像結(jié)構(gòu)信息，從而保留更多的圖像細(xì)節(jié);為了克服高斯混合模型的噪聲敏感性，我們還提出基于學(xué)生t混合模型學(xué)習(xí)的結(jié)構(gòu)化稀疏表示圖像去噪方法，由于學(xué)生t分布具有重尾特性，抗噪性能好，利用學(xué)生t混合模型學(xué)習(xí)圖像先

3、驗(yàn)信息能夠獲得更好的去噪結(jié)果。論文的主要工作包括以下四個(gè)方面:
　　(1)提出一種耦合梯度保真項(xiàng)的基于高斯混合模型學(xué)習(xí)的結(jié)構(gòu)化稀疏表示圖像去噪方法，在圖像去噪的同時(shí)能夠更好地保留圖像的細(xì)節(jié)和邊界;
　　(2)構(gòu)造一種新的基于圖像梯度和局部熵的自適應(yīng)正則化參數(shù)格式，使得模型參數(shù)能夠自適應(yīng)于圖像結(jié)構(gòu)信息，保留更多的圖像紋理特征;
　　(3)提出一種基于學(xué)生t混合先驗(yàn)信息的結(jié)構(gòu)化稀疏表示圖像去噪方法，該方法具有較好的噪聲魯棒