收录:
摘要:
本发明公开了一种具有拉普拉斯噪声的非参数贝叶斯字典学习方法,对灰度图像数据中的椒盐噪声进行去噪。本文对图像数据进行字典学习建模,并假设噪声部分服从拉普拉斯分布,采样非参数贝叶斯方法对模型进行概率分布假设;通过最大似然估计法获得模型的目标函数;采用吉布斯采样法对目标函数中所有随机变量采样;通过EM算法反复迭代更新得到各变量的最优解。使用最优解构造输出数据,即输出图片,从而获得干净数据,去除噪声。本方法对灰度图像数据的噪声部分进行了拉普拉斯假设,有效去除了椒盐噪声,对高斯噪声也有一定的去噪能力,此外还能够很好的去除高斯和椒盐的混合噪声。
关键词:
通讯作者信息:
电子邮件地址: