使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪

【摘要】：在非负稀疏编码(NNSC)算法的基础上,提出一种基于正态可逆高斯(NIG)密度模型的扩展非负稀疏编码(ENNSC)算法,并利用该算法对自然图像数据的学习结果实现了自然图像的消噪。NIG密度模型仅需要利用前四阶矩确定四个参数就可以确定其数学形式,是一种自适应于稀疏数据、比较灵活的密度模型。根据对一组自然图像的训练结果可知,ENNSC算法能够有效地提取自然图像的特征,像NNSC算法一样能够模拟人眼初级视觉系统中主视皮层V1区的感受野特性。在特征提取的基础上,使用基于NIG模型的最大后验概率估计器,可以对被高斯噪声严重污染的自然图像成功地去噪,而且,这种消噪技术自适应于图像数据的统计特性。采用归一化的均方误差(NMSE)和归一化的信噪比(NSNR)作为消噪后图像的质量评判标准,同时考虑不同类的自然图像、不同大小的加性高斯噪声影响以及其他消噪方法(稀疏编码收缩消噪法、小波软阈值收缩消噪法),仿真实验对比结果进一步证实了基于NIG的ENNSC收缩消噪方法的有效性。