摘要
针对噪声影响工件图像分割、跟踪等问题,给出一种基于自适应平方变换方法.首先将噪声图像中提取的噪声图像块减去块均值,固定稀疏水平,学习平方变换,更新稀疏水平,作为下一次学习平方变换的稀疏水平,然后更新迭代学习平方变换和稀疏水平,最后一次迭代的去噪块的均值估计作为去噪图像.实验结果表明,给出的方法能较好地滤除噪声.与核奇值分解(K-SVD,kernal singular value decompostion)算法相比,该算法去噪后图像的峰值信噪比(PSNR,peak signal to noise ratio)约是K-SVD算法的2倍,去噪速度是K-SVD的3.9倍.
- 单位