公开(公告)号：CN106204483B

公开(公告)日：2019-09-10

申请号：CN201610538479.3

申请日：2016-07-08

Applicant: 桂林电子科技大学

Inventor： 陈利霞 ,  何成凤 ,  王学文 ,  李其珂 ,  杨彬

IPC: G06T5/00

Abstract: 本发明公开了一种基于非局部自适应字典的乘性噪声去除方法，首先利用对数变换将乘性噪声转换为加性噪声，再结合PCA稀疏字典和迭代收缩算法更新稀疏编码，用牛顿迭代法得到对数域中的去噪图像，最后通过指数函数以及误差校正得到实数域中的去噪图像。本发明能够在有效去除噪声的同时能较好的保留图像的边缘、细节和纹理信息。

公开(公告)号：CN107358589B

公开(公告)日：2019-11-26

申请号：CN201710581668.3

申请日：2017-07-17

Applicant: 桂林电子科技大学

Inventor： 陈利霞 ,  李佳宇 ,  王学文 ,  何成凤

IPC: G06T5/00

Abstract: 本发明公开了一种结合梯度直方图与低秩约束的去噪方法，其在稀疏先验和其他非局部自相似先验的基础上，利用稀疏表示的优势，加入非局部正则项，梯度正则项和低秩约束项去除乘性噪声。本发明的优点是把乘性噪声模型通过对数变换变成对数域中的加性噪声模型，利用噪声图像在对数域中训练的字典，把图像的梯度直方图估计和低秩约束相结合，增强了图像局部和非局部之间的联系，在有效去噪的同时，更好的保留了图像的纹理信息。实验结果在主观视觉和客观评价指标两方面均取得较好的效果，很大程度上保存了图像的精细纹理结构，使得去噪后的图像更加清晰。

公开(公告)号：CN106169180A

公开(公告)日：2016-11-30

申请号：CN201610548312.5

申请日：2016-07-13

Applicant: 桂林电子科技大学

Inventor： 陈利霞 ,  李其珂 ,  王学文 ,  何成凤 ,  杨彬

IPC: G06T5/00

CPC classification number: G06T5/002 ,  G06T2207/20081

Abstract: 本发明公开了一种基于组的非局部稀疏表示加性噪声去除方法，具体步骤包括：S1：在标准图像库中获得自然图像，并对图像进行图像分块并用高斯混合模型训练字典；S2：对每个图像进行加噪声处理，利用基于组的稀疏表示和非局部稀疏表示的方法得到去除噪声模型；S3：将含噪图像分成有重叠的小块，为每个图像块进行非局部相似匹配，找到其具有相同结构类型的相似图像块，把相似度最高的一些块放到一个组中；S4：对于分好的每个组，先对每个组进行奇异值分解，然后对特征值进行阈值处理，得到每个组的估计值；S5：利用预先训练的字典求出估计组在字典中的稀疏编码；S6：利用软阈值方法求解模型；S7：得到去噪图像。

公开(公告)号：CN107358589A

公开(公告)日：2017-11-17

申请号：CN201710581668.3

申请日：2017-07-17

Applicant: 桂林电子科技大学

Inventor： 陈利霞 ,  李佳宇 ,  王学文 ,  何成凤

IPC: G06T5/00

Abstract: 本发明公开了一种结合梯度直方图与低秩约束的去噪方法，其在稀疏先验和其他非局部自相似先验的基础上，利用稀疏表示的优势，加入非局部正则项，梯度正则项和低秩约束项去除乘性噪声。本发明的优点是把乘性噪声模型通过对数变换变成对数域中的加性噪声模型，利用噪声图像在对数域中训练的字典，把图像的梯度直方图估计和低秩约束相结合，增强了图像局部和非局部之间的联系，在有效去噪的同时，更好的保留了图像的纹理信息。实验结果在主观视觉和客观评价指标两方面均取得较好的效果，很大程度上保存了图像的精细纹理结构，使得去噪后的图像更加清晰。

公开(公告)号：CN106204483A

公开(公告)日：2016-12-07

申请号：CN201610538479.3

申请日：2016-07-08

Applicant: 桂林电子科技大学

Inventor： 陈利霞 ,  何成凤 ,  王学文 ,  李其珂 ,  杨彬

IPC: G06T5/00

Abstract: 本发明公开了一种基于非局部自适应字典的乘性噪声去除方法，首先利用对数变换将乘性噪声转换为加性噪声，再结合PCA稀疏字典和迭代收缩算法更新稀疏编码，用牛顿迭代法得到对数域中的去噪图像，最后通过指数函数以及误差校正得到实数域中的去噪图像。本发明能够在有效去除噪声的同时能较好的保留图像的边缘、细节和纹理信息。