论文部分内容阅读
传统去噪算法只考虑从含噪图像中恢复出图像信息，然而对去噪后残差信号的利用却并未加以重视。针对图像去噪后残差信号中包含有用信息的特点，提出了一种基于字典学习的残差信息融合图像去噪方法。首先使用字典学习方法对单幅含噪图像进行去噪；然后对首次降噪后的残差图像进行图像块筛选；再对筛选出的图像块再次进行去噪处理；最后在小波域实现两幅图像的融合得到最终的去噪图像。实验结果表明，与传统基于字典学习的去噪方法相比，所提方法能够进一步提取残差信号中的图像特征信息，在峰值信噪比和结构相似度上都有所提升。特别是对一些细节较为复