基于非局部自相似性的谱聚类图像去噪算法

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＩｍａｇｅＤｅｎｏｉｓｉｎｇＭｅｔｈｏｄｏｆＳｐｅｃｔｒｕｍＣｌｕｓｔｅｒｉｎｇＢａｓｅｄｏｎＮｏｎ－ｌｏｃａｌＳｉｍｉｌａｒｉｔｙ
ＫＥＺｕ－ｆｕＹＩＢｅｎ－ｓｈｕｎ１ ’ 。ＸＩＥＱｉｕ－ｙｉｎｇ
ｔｅｒｅｄｉｎｔｈｅｓａｒＤ＿ｅｃｌａｓｓｂｙｔｈｅｓｐｅｃｔｒｕｍｃｌｕｓｔｅｒｉｎｇ，ａｎｄｔｈｅｒｅｓｕｌｔｏｆｔｈｅｓｐｅｃｔｕｍｒｃｌｕｓｔｅｉｒｎｇｗｉｔｈｔｈｅｎａｔｕｒａｌｉｍａｇｅｉｓｕｓｅｄｔｏｇｅｔｔｈｅｃｌｕｓｔｅｉｎｒｇｏｆｔｈｅｎｏｉｓｅｉｍａｇｅｂｌｏｃｋｓ．Ｔｈｅｎ，ｔｈｅｇｏｔｔｅｎｓａｍｅｃｌａｓｓｂｌｏｃｋｓｏｆｔｈｅｎｏｉｓｅｍａｉｇｅａｒｅｖｅｃｔｏｒｉｚｅｄａｓａｌｏｗ－ｒａｎｋｍａｔｒｉｘ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｌｏｗ－ｒａｎｋａｐｐｒｏｘｉｍａｔｉｏｎｐｒｏｃｅｓｓｉｓａｄｏｐｔｅｄｏｎｔｈｅｍａｔｒｉｘｔｏｅｓｔｉｍａｔｅｔｈｅｒｅｌａｔｉｖｅｏｉｒｇｉｎａｌｍａｉｇｅｄａｔ．Ｆｉａｎａｌｌｙ，ｔｈｅｏｉｇｒｉｎａｌｉｍａｇｅｃａｎｂｅｒｅｃｏｎｓｔｕｃｒｔｅｄｂｙｔｈｅｅｓｔｉｍａｔｅｄｉｍａｇｅｄａｔａ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｌａｒｅ－
ＡｂｓｔｒａｃｔＴｈｅｃｏｎｖｅｎｔｉｏｎａｌｉｍａｇｅｄｅｎｏｉｓｉｎｇａｌｇｏｒｉｔｈｍｓｊｕｓｔｍａｋｅｕｓｅｏｆｔｈｅｐｒｉｏｒｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｎａｔｕｒａｌｉｍａｇｅｏｒ
ｔｈｅｎｏｉｓｅｉｍａｇｅａｌｏｎｅ，ｗｉｔｈｏｕｔｅｆｆｅｃｔｉｖｅｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｐｒｉｏｒｉｍｆｏｒｍａｔｉｏｎｏｆｔｗｏｉｍａｇｅｓｔｏｒｅａｌｉｚｅｔｈｅｍａｉｇｅｄｅｎｏｂ
摘要常见的图像去噪方法只是单独地利用了无噪图像或含噪图像的先验信息，并没有将这两种图像的先验信息
有效地结合起来。针对这个问题，提出一种联合无噪图像块的先验信息和含噪图像块的非局部自相似性进行去噪的
ｎｏｎ－ｌｏｃａｌｓｍｉｉｌａｒｉｔｙｏｆｔｈｅｎｏｉｓｅｉｍａｇｅｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔｌｙ，ｔｈｅｓｉｍｉｌａｒｂｌｏｃｋｓｉｎｎａｔｕｒａｌｉｍａｇｅａｒｅｃｌｕｓ —
（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎ，ＷｕｂａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）
（ＳｈｅｎｚｈｅｎＩｎｓｔｉｔｕｔｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｚｈｅｎ５１８０５７，Ｃｈｉｎａ）
图像去噪算法。首先，对无噪图像块进行谱聚类，通过谱聚类进行学习，图像中的相似块被聚集到同一类，并将学习得到的聚类信息用于含噪图像块的聚类；然后，向量化同一类中的含噪图像块并聚集形成一个矩阵，该矩阵中包含的原
始图像数据构成一个低秩矩阵；再通过一个低秩逼近过程估计出相应的原始图像数据；最后，根据逼近得到的原始图
关键词图像去噪，谱聚类，非局部自相似性，低秩逼近
中图法分类号
ＴＰ３９３
文献标识码
Ａ
Ｄ０Ｉ１０．１１８９６／ｊ．ｉｓｓｎ．１００２－１３７ｘ．２０１７．０５．０５５
第４４卷
第５期
２０１７年５月
ＣＯＭ．ＰＵＴＥＲＳＣＩＥＮＣＥ
计
算
机
科
学
Ｖｏ非局部自相似性的谱聚类图像去噪算法
柯祖福易本顺。谢秋莹
（武汉大学电子信息学院武汉４３００７２）（武汉大学深圳研究院深圳５１８０５７）
像数据重建图像。实验结果表明，相较于已有的自适应正则化的非局部均值去噪算法以及基于主成分分析和局部像素聚类的两级图像去噪算法，提出的算法不仅可以获得较大的峰值信噪比，而且还能较好地保存图像的细节，取得了
更好的去噪效果。
ｓｉｎｇ．Ｆｏｒｔｈｉｓｐｒｏｂｌｅｍ，ａｎｏｖｅｌｉｍａｇｅｄｅｎｏｓｉｎｇｍｅｔｈｏｄｗｈｉｃｈｊｏｉｎｓｔｈｅｐｉｒｏｒｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｎａｔｕｒａ１ｉｍａｇｅａｎｄｔｈｅ