基于稀疏分解和聚类的自适应图像去噪新方法

？随着信号稀疏表示原理的深入研究，稀疏分解越来越广泛地应用于图像处理领域。针对过完备字典构造和稀疏分解运算量巨大的问题，提出一种基于稀疏分解和聚类相结合的自适应图像去噪新方法。该方法首先通过改进的k均值(k-means)聚类算法训练样本，构造过完备字典;其次，通过训练过程中每一次迭代，自适应地更新字典的原子，使字典更适应样本的稀疏表示;然后利用正交匹配追踪(omp)算法实现图像的稀疏表示，从而达到图像去噪的目的。实验结果表明：与传统的字典训练方法相比，新算法有效地降低了运算复杂度，并取得更好的图像去噪效果。