本文選題：稀疏重建 + 字典學(xué)習(xí)��； 參考：《光學(xué)精密工程》2017年09期

【摘要】：本文針對(duì)低光子計(jì)數(shù)成像過(guò)程中產(chǎn)生的泊松高斯混合噪聲,提出了一種數(shù)據(jù)保真項(xiàng)與稀疏約束項(xiàng)相融合的稀疏重建方法。首先,基于泊松高斯噪聲相互獨(dú)立的混合噪聲模型,建立了數(shù)據(jù)保真項(xiàng)與稀疏約束項(xiàng)相融合的稀疏重建目標(biāo)函數(shù);在圖像塊聚類(lèi)的基礎(chǔ)上,應(yīng)用改進(jìn)貪婪算法實(shí)現(xiàn)類(lèi)內(nèi)稀疏分解和字典更新;最后,稀疏分解和字典更新交替迭代求解干凈圖像。針對(duì)強(qiáng)烈泊松高斯噪聲污染圖像的重建實(shí)驗(yàn)顯示,本文方法與對(duì)比方法相比,重建結(jié)果的PSNR值平均提升了5.5%,MSSIM值也有明顯提升。這些結(jié)果表明:本文方法對(duì)具有強(qiáng)烈泊松高斯混合噪聲的圖像有較好的圖像復(fù)原和噪聲去除效果。
[Abstract]:In this paper, a sparse reconstruction method based on the fusion of data fidelity term and sparse constraint term is proposed for Poisson Gao Si mixed noise in low photon counting imaging.First of all, based on Poisson Gao Si noise independent mixed noise model, a sparse reconstruction objective function of data fidelity term and sparse constraint term is established, which is based on image block clustering.The improved greedy algorithm is applied to implement the intra-class sparse decomposition and dictionary updating. Finally, the sparse decomposition and dictionary update iterate alternately to solve the clean image.The experiments on the image reconstruction with strong Poisson Gao Si noise pollution show that compared with the contrast method, the average PSNR value of the reconstruction results is increased by 5.5% and the MSSIM value is also obviously increased.These results show that the proposed method has a good effect on image restoration and noise removal for images with strong Poisson Gao Si mixed noise.
【作者單位】： 華南理工大學(xué)自動(dòng)化科學(xué)與工程學(xué)院;華南理工大學(xué)精密電子制造裝備教育部研究中心;廣州大學(xué)機(jī)械與電氣工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(No.61403146) 廣州市科技計(jì)劃項(xiàng)目(No.201707010054) 中央高�；究蒲袠I(yè)務(wù)費(fèi)資助項(xiàng)目(No.2015ZM128)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐金東;余先川;胡丹;張立保;邢�；�;;基于反饋機(jī)制的抗混合噪聲的盲圖像源分離方案[J];中國(guó)科學(xué):信息科學(xué);2013年07期

2 侯艷麗;;一種有效的去除圖像混合噪聲的算法[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

3 楊農(nóng)豐;吳成茂;屈漢章;;基于變分模型的混合噪聲去噪方法[J];西安郵電大學(xué)學(xué)報(bào);2013年01期

4 趙敏;龔聲蓉;高祝靜;;基于灰色關(guān)聯(lián)系數(shù)的混合噪聲濾波算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年05期

5 許春和;張宇;孫廣明;;消除圖像中混合噪聲的濾波方法[J];計(jì)算機(jī)與信息技術(shù);2009年Z1期

6 王益艷;;一種去除圖像混合噪聲的濾波算法[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

7 高山;李成;畢篤彥;;有效濾除高強(qiáng)度圖像混合噪聲的方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年05期

8 楊農(nóng)豐;吳成茂;屈漢章;;基于偏微分方程的混合噪聲去噪研究[J];計(jì)算機(jī)應(yīng)用研究;2013年06期

9 李慧娜;平源;;有效去除圖像混合噪聲的方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年13期

10 陳華玲;馮桂;;數(shù)字圖像的混合噪聲去除[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

相關(guān)碩士學(xué)位論文 前4條

1 李國(guó)芳;混合噪聲人臉識(shí)別研究[D];貴州大學(xué);2016年

2 程成;改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像混合噪聲中的應(yīng)用研究[D];云南大學(xué);2012年

3 陳秉濤;數(shù)字圖像混合噪聲濾除算法研究[D];云南大學(xué);2012年

4 張英;一種基于高斯與椒鹽混合噪聲去噪算法研究[D];西安科技大學(xué);2014年

，

本文編號(hào)：1772916