基于稀疏编码多层融合的图像去噪研究

Due to the randomness of noise, it has been a difficult problem to establish an effective image denoising algorithm. This project, deals with the difficulty of removing mixed noise and fuzzy edge of images, we study sparse coding based multi-level fusion denoising algorithms with fusion the switching vector and non-local means. The main research contents include: .. (1) sparse coding, non-negative sparse coding and hierarchical sparse coding are studied according to the neural mechanism, and the optimal solution of sparse coding is analyzed to search more accurate representation of image. .. (2) propose a novel mixed noise filtering algorithm with fusion switching vector and sparse coding according to the switching vector and fuzzy decision theory, which is committed to solve the difficulty of removing mixed noise... (3) based on the theory of model transformation and non-local means, the edge preserving method is designed by fusion the sparse coding.. . The researches provide new ideas and methods for image filtering, which can improve the accuracy of image detection and recognition, and provide important theoretical and practical significance.

由于噪声的随机性，建立有效的图像去噪方法是一项科技难题。本项目针对当前图像滤波算法不能有效去除混合噪声，且使图像边缘信息模糊等问题，将开关矢量、非局部均值与稀疏编码等算法进行融合，研究基于稀疏编码的多层融合去噪方法。主要研究内容包括：（1）依据神经视觉机理，对稀疏编码、非负稀疏编码、分层稀疏编码等进行研究，并对稀疏编码的求解优化算法进行分析，期望能够寻找更加精确的图像表示方法。（2）依据开关矢量滤波算法与模糊决策理论，致力于解决开关矢量滤波算法中不能有效去除混合噪声等关键问题，提出融合稀疏编码与开关矢量的图像混合噪声滤波新算法。（3）以申请者提出的图像模型转换理论与非局部均值算法为基础，融合稀疏编码，设计有效的保边缘与细节信息的滤波方法。研究成果为图像滤波提供新的思路和方法，能够提高后续图像检测、识别等应用方面的精度，这在图像处理方面具有重要的科学意义与实际价值。

项目针对图像滤波算法不能有效去除混合噪声，且使图像边缘信息模糊等问题，将开关矢量、非局部均值与稀疏编码等算法进行融合，研究基于稀疏编码的多层融合去噪方法。在实施过程中，主要从以下几方面进行研究：（1）从视觉机理、图像特征表示、模糊聚类等方面对问题展开研究，分析图像的区域纹理特征表示及核方法，并将多核方法应用到非局部均值算法中设计了多核的非局部均值滤波改进算法。（2）从图像特征入手，通过标准方差修改权值比重，更加精确的表达图像块的几何结构特征，设计了有效的改进非局部均值滤波方法。（3）从图像特征提取方面入手，研究模型转换理论、聚类算法、卷积神经网络方法，进一步探索了图像特征的提取及表示方式。研究内容分别从不同角度发表了相关论文，申报了发明专利与软件著作权，其中授权发明专利1项，2项软件著作权；出版相关学术教材1部。研究成果为图像噪声与图像特征表示等领域提供了重要的科学意义及理论基础；并培养硕士研究生12名，拓宽了图像滤波领域的研究方向。