基于稀疏表示的线性贝叶斯MAP估计的图像去噪算法

提出了一种基于稀疏表示模型的线性贝叶斯极大后验(MAP)估计图像去噪算法。 从在表示向量中构造先验概率分布开始,构建线性贝叶斯MAP估计器,以获取观测值背后最可能的一个,这适用于解决广义图像逆问题。 此外,通过提供一些可能的近似值,可以获得实用的封闭形式的解决方案,因此可以容易地解决作为专业化的图像去噪的问题。 使用我们的新方法,我们首先从嘈杂的图像中提取所有可能的色块,然后根据它们的结构模式将它们分类为几个子组,然后使用K-SVD算法为每个子集训练不同的字典,然后在MAP估计器中估计相应的参数。 通过基于估计器对每个子组应用去噪并将这些输出平均在一起,即可获得最终的去噪图像。 仿真结果表明,与其他最新的去噪算法相比,该方法在主观视觉质量和客观PSNR值方面均具有非常出色的性能。