基于字典学习和相似度正则化的图像降噪

基于冗余字典学习的图像降噪方法探索了补丁的稀疏先验，并被证明可以带来最先进的结果。 但是，他们没有探讨图像补丁的非局部相似性。 在本文中，我们利用图像补丁的结构相似性和稀疏先验性，提出了一种新的基于字典学习和相似性正则化的图像降噪方法。 通过将图像降噪公式化为多变量优化问题，我们交替优化变量以获得去噪图像。 进行了一些实验，以比较我们提出的方法与相应方法在某些基准自然图像上的性能，并且在视觉结果和一些数值准则上都可以观察到我们提出的方法相对于相应方法的优越性。