技术特征:
技术总结
本发明提供了一种基于k‑means聚类和字典学习的图像处理方法及装置,初始化图像参数对噪声图像进行分块处理,运用k均值算法对给定的图像块进行聚类,对每个聚类运用MOD‑AK‑SVD字典训练算法,得到训练聚类字典{D1,D2,D3...Dk},然后聚合各分块字典{D1,D2,D3...Dk}组成过完备字典D,使得D={D1,D2,D3...Dk},得到各分块字典并组成过完备字典D,然后运用OMP(正交匹配追踪)算法,求解出对应的稀疏系数,通过设置一定的迭代次数,更新学习相应的字典和稀疏系数,从而重构出去噪后的图像。本发明提供的算法与已有的稀疏编码算法(Sparse coding)算法,改进的稀疏编码(ISC)算法,在不同噪声方差δ和混合噪声密度d条件下图像去噪效果的PSNR(峰值信噪比)值进行比较,可以发现本发明的去噪效果要达到更好的效果。
技术研发人员:刘坤;蔡述庭;翁少佳;陈平;李卫军
受保护的技术使用者:广东工业大学
技术研发日:2018.03.12
技术公布日:2018.09.04