MATLAB实现k-svd和mod信号处理

包含K-SVD和MOD两种算法对信号和图像处理代码例子。使用DCT字典，使用OMP算法计算稀疏系数。

%============================================================
%               demo2 - denoise an image
% this is a run_file the demonstrate how to denoise an image 
% using dictionaries. The methods implemented here are the same
% one as described in “Image Denoising Via Sparse and Redundant
% representations over Learned Dictionaries“ （appeared in the 
% IEEE Trans. on Image Processing Vol. 15 no. 12 December 2006）.
% ============================================================

clear
bb=8; % block size
RR=4; % redundancy factor  冗余因素
K=RR*bb^2; % number of atoms in the dictionary

sigma = 50; 
%pathForImages =‘‘;
%imageName = ‘barbara.png‘;
%   [IMin0pp]=imread（‘cameraman.tif‘）;
 [IMin0pp]=imread（‘w.jpg‘）;
IMin0=im2double（IMin0）;
if （length（size（IMin0））>2）
    IMin0 = rgb2gray（IMin0）;
end
if （max（IMin0（:））<2）
    IMin0 = IMin0*255;
end

IMin=IMin0+sigma*randn（size（IMin0））;%%%%%%此处有随机函数
PSNRIn = 20*log10（255/sqrt（mean（（IMin（:）-IMin0（:））.^2）））;
% %==========================================================================
% %   P E R F O R M   D E N O I S I N G   U S I N G   O V E R C O M P L E T E 
% %                        D C T    D I C T I O N A R Y
% %==========================================================================
% tic
% [IoutDCToutputCoefs] = denoiseImageDCT（IMin sigma K）;
% 
% PSNROut = 20*log10（255/sqrt（mean（（IoutDCT（:）-IMin0（:））.^2）））;
% figure;
% subplot（131）; imshow（IMin0[]）; title（‘Original clean image‘）;
% subplot（132）; imshow（IMin[]）; title（strcat（[‘Noisy image ‘num2str（PSNRIn）‘dB‘]））;
% subplot（133）; 
% imshow（IoutDCT[]）; title（strcat（[‘Clean Image by DCT dictionary ‘num2str（PSNROut）‘dB‘]））;
% figure;
% I = displayDictionaryElementsAsImage（output.D floor（sqrt（K）） floor（size（output.D2）/floor（sqrt（K）））bbbb0）;%当不输入0时，效果不一样，具体的看内部代码
% title（‘The DCT dictionary‘）;
% toc

%==========================================================================
%   P E R F O R M   D E N O I S I N G   U S I N G   G L O B A L 
%           （ O R   G I V E N ）   D I C T I O N A R Y
%==========================================================================
% tic
% [IoutGlobaloutput] = denoiseImageGlobal（IMin sigmaK）;
% 
% PSNROut = 20*log10（255/sqrt（mean（（IoutGlobal（:）-IMin0（:））.^2）））;
% figure;
% subplot（131）; imshow（IMin0[]）; title（‘Original clean image‘）;
% subplot（132）; imshow（IMin[]）; title（strcat（[‘Noisy image ‘num2str（PSNRIn）‘dB‘]））;
% subplot（133）;
% imshow（IoutGlobal[]）; title（strcat（[‘Clean Image by Global Trained dictionary ‘num2str（PSNROut）‘dB‘]））;
% figure;
% I = displayDictionaryElementsAsImage（output.D floor（sqrt（K）） floor（size（output.D2）/floor（sqrt（K）））bbbb）;
% title（‘The dictionary trained on patches from natural images‘）;
% toc

%==========================================================================
%   P E R F O R M   D E N O I S I N G   U S I N G   A   D I C T  I O N A R Y
%                  T R A I N

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3779  2015-11-13 18:43  KSVD\allkindsofmethodscompare.m

     文件      41080  2018-01-19 16:12  KSVD\BJ200_14.BMP

     文件        218  2015-10-30 20:40  KSVD\DCT_test.m

     文件       1907  2018-03-28 16:31  KSVD\demo1.m

     文件       3594  2018-01-19 16:28  KSVD\demo2.m

     文件       8504  2006-12-28 13:57  KSVD\demo3.m

     文件       6840  2018-01-23 15:40  KSVD\denoiseImageDCT.m

     文件       6565  2018-01-23 14:12  KSVD\denoiseImageGlobal.m

     文件      10446  2018-03-28 16:45  KSVD\denoiseImageKSVD.m

     文件       4337  2018-01-22 11:42  KSVD\displayDictionaryElementsAsImage.m

     文件       1896  2006-12-11 14:25  KSVD\gererateSyntheticDictionaryAndData.m

     文件    5749450  2005-09-21 08:35  KSVD\globalTrainedDictionary.mat

     文件      16429  2018-03-28 15:28  KSVD\KSVD.m

     文件      11585  2006-12-28 14:02  KSVD\KSVD_NN.m

     文件     263222  2015-11-04 16:05  KSVD\lena.bmp

     文件       8053  2006-12-12 08:35  KSVD\MOD.m

     文件        857  2018-01-23 13:43  KSVD\my_im2col.m

     文件       1105  2006-12-24 16:00  KSVD\NN_BP.m

     文件        954  2007-04-29 10:17  KSVD\OMP.m

     文件       1372  2015-11-12 17:13  KSVD\OMPerr.m

     文件      22408  2015-11-04 17:20  KSVD\w.jpg

    ..A..H.       162  2018-04-17 15:52  KSVD\~$表示KSVD.docx

    .....H.     15605  2018-01-24 19:37  KSVD\~WRL1849.tmp

     文件     116486  2018-04-17 15:52  KSVD\稀疏表示KSVD.docx

     目录          0  2018-04-17 15:52  KSVD

----------- ---------  ---------- -----  ----

              6296854                    25