作者：汪浩然; 夏克文; 牛文佳; 任苗苗; 李绰图像去噪平滑图像块奇异值分解噪声估计字典学习
摘要：近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用，但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况，先提出一种平滑图像块筛选方法，并将其与奇异值分解（singular value decomposition, SVD）相结合实现对图像的噪声标准差估计；再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来，提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明，与Donoho小波软阈值去噪算法、全变分（total variation，TV）去噪算法相比，该算法不仅能够使去噪后图像的峰值信噪比提升1～3dB，并且能较好地保留图像的细节信息和边缘特征。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
