基于字典学习的非局部均值去噪算法 (2013年)

针对非局部均值中相似度的衡量问题，提出了一种基于字典学习的度量算法。首先利用局部像素群块匹配方法消除不相似的图像块带来的干扰，然后对含有噪声的相似块采用字典学习的方法降噪。与经典的字典学习不同的是，对相似块采用联合稀疏编码的思想，利用主成分分析法学习一个高效紧字典，保留相似块间的相关性信息。采用降噪后的图像块问的欧氏距离计算像素间的相似度，能更好地反映相似块的相似性。实验结果表明，所提出的方法在峰值信噪比和视觉效果方面都优于传统算法，尤其对含有较多细节且结构相似性强的图像，细节和纹理部分的保持效果更好，算