基于非局部自相似性的低秩稀疏图像去噪

摘要 针对许多图像去噪方法在去除噪声的同时容易丢失细节信息的问题，提出了一种基于非局部自相似性的低秩稀疏图像去噪算法。首先，利用基于马氏距离（MD）的块匹配方法将外部自然干净图像块分组，建立基于块组的高斯混合模型（GMM）学习非局部自相似性先验；其次，采用稳健主成分追踪（SPCP）方法，将噪声图像矩阵分解为低秩、稀疏及噪声三部分，其中稀疏矩阵包含了稀疏的有用信息；最后，通过最小化全局目标函数实现去噪。实验结果表明，提出的方法在峰值信噪比（PSNR）及结构相似性（SSIM）的结果上比EPLL、NCSR、PCLR等先进去噪算法都有较大的提升，且速度更快，去噪效果及细节保留能力都有更好的表现