稀疏分解图像去噪

传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。基于图像的稀疏表示，近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典，同时针对 K-SVD 算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用 log 的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。

%--------------Brief description-------------------------------------------
%
% This demo implements Low-rank decomposition for image destriping
% Note that the input stripe should be vertical.
% More details in:
% Y. Chang et al. Remote Sensing Image Stripe Noise Removal: From Image 
% Decomposition Perspective. IEEE TGRS.
%
% contact: owuchangyuo@gmail.com

clear all; 
close all;
clc;

addpath（genpath（‘Images\‘））;
addpath（genpath（‘Codes\‘））;

%% read images
[filename filepath FilterIndex ] = uigetfile（‘Images/*.*‘‘Read image‘）;
I =  double（imread（fullfile（filepathfilename））） ;

%% Degraded simulation
Perio = 10;
rate = 0.5;
mean = 0;
% Is   =  Periodical_Simulated（IPerioratemean）;
Is   =  NonPeriodical_Simulated（Iratemean）;

%% initialization
[opts] = ParSet;            % for single image
% [opts] = MParSet;         % for multi-images

%% 主程序
tic
[U S] = SILR_destripe（Is/255opts）;
% [US] = MILR_destripe（Is/256opts）;
toc 
figureimshow（I[]）
figureimshow（Is[]）
figureimshow（U[]）
figureimshow（S[]）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\
     文件        1983  2016-09-21 11:27  稀疏分解图像去噪\Codes\MILR_destripe.m
     文件         547  2016-09-21 12:16  稀疏分解图像去噪\Codes\MParSet.m
     文件         381  2015-12-19 13:05  稀疏分解图像去噪\Codes\NonPeriodical_Simulated.m
     文件         469  2016-09-21 12:24  稀疏分解图像去噪\Codes\ParSet.m
     文件         510  2015-12-19 12:59  稀疏分解图像去噪\Codes\Periodical_Simulated.m
     文件        2046  2016-07-21 18:17  稀疏分解图像去噪\Codes\SILR_destripe.m
     文件         927  2016-07-21 16:17  稀疏分解图像去噪\Codes\SVD_shrink.m
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\Moment Matching\
     文件         185  2011-08-08 10:54  稀疏分解图像去噪\Codes\Utilize\Moment Matching\MeanDN.m
     文件        1887  2015-12-08 13:45  稀疏分解图像去噪\Codes\Utilize\Moment Matching\Moment_matching.m
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\SGE\
     文件        1345  2016-05-30 11:50  稀疏分解图像去噪\Codes\Utilize\SGE\SGE_Demo.m
     文件         731  2016-05-31 09:39  稀疏分解图像去噪\Codes\Utilize\SGE\SGEdestripe.m
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\TV\
     文件         659  2015-12-08 13:55  稀疏分解图像去噪\Codes\Utilize\TV\TV_Demon.m
     文件        1903  2015-12-08 13:26  稀疏分解图像去噪\Codes\Utilize\TV\TVdestripe.m
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\UTV\
     文件         477  2015-12-08 13:27  稀疏分解图像去噪\Codes\Utilize\UTV\UTV_Demon.m
     文件        1956  2015-12-08 13:27  稀疏分解图像去噪\Codes\Utilize\UTV\UTVdestripe.m
     文件         238  2012-05-04 16:21  稀疏分解图像去噪\Codes\Utilize\UTV\shrink.m
     目录           0  2017-03-14 19:51  稀疏分解图像去噪\Codes\Utilize\WFAF\
     文件        1142  2015-12-08 13:54  稀疏分解图像去噪\Codes\Utilize\WFAF\WFAF.m
     文件        1212  2013-03-22 10:33  稀疏分解图像去噪\Codes\Utilize\WFAF\adpative_FFT.m
     文件        6372  2010-04-15 00:30  稀疏分解图像去噪\Codes\cal_ssim.m
     文件         501  2010-04-14 06:55  稀疏分解图像去噪\Codes\csnr.m
     文件         343  2011-10-25 10:05  稀疏分解图像去噪\Codes\periodo.m
     文件         680  2014-06-19 17:58  稀疏分解图像去噪\Codes\phiprimeover2x.m
     文件         386  2013-05-14 15:44  稀疏分解图像去噪\Codes\pouxiantu.m
............此处省略9个文件信息