一种基于字典学习的含有多类型噪声的合成图像降噪方法研究

段佳蕙+段新涛

摘要：该文针对合成图像中含有部分噪声和含有不同类型和强度的噪声问题，提出了利用非零元个数约束的KSVD字典学习算法进行降噪，实验结果表明，该方法能有效的降低不同类型和强度的噪声。

关键词：合成图像；图像降噪；字典学习

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）27-0197-02

数字图像作为视觉信息的主要载体之一在当今生活中无处不在。合成图像指由若干图像的部分内容合成或拼接成一副新的图像，使得新图像的含义有一些有趣的新意。图像处理软件的强大功能，使得一般人员都能够方便地自己制作合成图像。由于图像在获取、传输、和后期处理中容易感染各种噪声，从而使得来源不同的图像构成的合成图像的不同区域很有不同类型和强度的噪声，影响合成图像的视觉效果。一般的图像降噪方法多是针对一整副图像含有若干类相同类型的噪声图像，而针对一副图像中同时含有多种类型噪声的图像的图像降噪方法研究较少，对此本文提出了一种基于非零元个数约束的KSVD字典学习算法的合成图像降噪方法。

1 原理

其中，[Y]为含噪声的合成图像，[X]为不含噪声的合成图像，[n]为噪声项，可以包含若干不同类型的噪声。在实际中，由于不含噪声的合成图像[X]和噪声项[n]常常是未知的，尤其是噪声项[n]可能包含不同类型和强度的噪声，因此仅凭一副含噪声的合成图像[Y]的情况下进行降噪是一个挑战。

2 实验结果与分析

在本实验中，我们分别对两幅合成图像进行了降噪。图1是一副合成图像，沙发上的狮子是由另外一副图像剪切过来的，狮子图像含有标准差为10的高斯白噪声，图2为本方法降噪的结果。

由图2 可观察到，图中的狮子上面的高斯噪声有效的被降低，同时图中的草地有一些模糊，这主要是由于降噪的同时，一些细节被模糊。

图3为含有两种类型和不同强度含噪声合成图像，袋鼠育儿袋中的犀牛图像含有标准差为5的高斯白噪声，图像的其他部分含有标准差为10的均匀分布的噪声。图4为图3降噪后的结果。

由图4可以观察到，高斯分布的噪声和均匀分布的噪声这两种不同分布的噪声被有效的降低。

3 结论

本文利用非零元个数约束的KSVD字典学习算法对合成图像进行降噪，在合成图像含有不同类型和强度噪声的情况下，对噪声有效的去除，同时使得图像的一些细节被模糊。在尽量保持图像细节的前提下，更加有效的降噪是下一步的努力方向。

参考文献：

[1] 吴昊，徐丹. 数字图像合成技术综述[J]. 中国图象图形学报，2012， 17（11）：1333-1346.

[2] M Elad ，M Aharon. Image denoising via sparse and redundant representation over learned dictionaries [J] . IEEE Trans on Image Processing ，2006 ，15 （12）：3736 - 3745.

[3] 段新濤，岳冬利.一种非零元个数约束的字典学习图像去噪算法[J].计算机应用研究，2011，28 （8）：3193-3197.endprint