基于圖像塊先驗的低秩近似和維納濾波的去噪算法
關(guān)鍵詞：高斯混合模型 先驗 低秩近似 維納濾波
摘要：利用混合高斯模型（gaussian mixture model,GMM）學(xué)習(xí)自然圖像塊的紋理結(jié)構(gòu),提出一種基于圖像塊先驗的低秩近似和維納濾波的去噪算法。該算法能夠同時利用外部圖像塊的先驗結(jié)構(gòu)信息和內(nèi)部圖像的自相似性,對待去噪圖像進(jìn)行分塊聚類,并根據(jù)每類相似塊的數(shù)量進(jìn)行協(xié)同濾波。當(dāng)相似圖像塊數(shù)量較多時,采用低秩近似的方法復(fù)原,有效利用圖像的內(nèi)部自相似性;當(dāng)相似圖像塊數(shù)量較少時,采用維納濾波,利用先驗信息保持圖像重要的紋理結(jié)構(gòu)。試驗結(jié)果表明此方法較適用于弧形邊界和角點(diǎn)等存在較少相似塊的自然圖像,其峰值信噪比（peak signal to noise ratio,PSNR）和視覺效果優(yōu)于目前部分主流算法。
山東工業(yè)大學(xué)學(xué)報雜志要求:
{1}引言作為論文的開場白，應(yīng)以簡短的篇幅介紹論文的研究背景和目的，對相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡要的概括。
{2}本刊恕不退稿，請作者自留底稿，切勿一稿多投。
{3}文題一般字?jǐn)?shù)不超過25字。正文各級標(biāo)題用阿拉伯?dāng)?shù)字連續(xù)編號，層次分明，可用至4級標(biāo)題。
{4}論著須附200～300字中英文摘要，包括目的、方法、結(jié)果、結(jié)論。
{5}作者簡介（包括作者姓名、出生年、性別、民族、籍貫、工作單位、職務(wù)或職稱、學(xué)位等），并在文末附上詳細(xì)的通訊地址、郵政編碼、聯(lián)系電話和電子信箱。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
