一种提高SVD滤波性能的新方法

doi:10.3778/j.issn.1002-8331.2010.09.041

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (9): 146-148.DOI: 10.3778/j.issn.1002-8331.2010.09.041

• 图形、图像、模式识别 • 上一篇下一篇

一种提高SVD滤波性能的新方法

杨敦旭¹，杜晓凤²，李翠华¹

1.厦门大学计算机科学系，福建厦门 361005
2.厦门大学自动化系，福建厦门 361005

收稿日期:2009-07-14 修回日期:2010-01-13 出版日期:2010-03-21 发布日期:2010-03-21
通讯作者: 杨敦旭

Novel approach to SVD-based image filtering improvement

YANG Dun-xu¹，DU Xiao-feng²，LI Cui-hua¹

1.Department of Computer Science，Xiamen University，Xiamen，Fujian 361005，China
2.Department of Automation，Xiamen University，Xiamen，Fujian 361005，China

Received:2009-07-14 Revised:2010-01-13 Online:2010-03-21 Published:2010-03-21
Contact: YANG Dun-xu

摘要/Abstract

摘要： 提出一种提高SVD滤波性能的新方法。基于奇异值分解滤波可以有效地分析水平（垂直）方向的图像特性。根据图像的局部方向，自适应地调整待滤波区域的形状，使重采样后局部区域中的边缘垂直或水平，再对局部区域进行奇异值分解滤波；所得的结果加权平均，得到信号估计值。将这一算法应用于图像去噪，实验结果表明，新方法可以有效地提高SVD的滤波性能。

关键词: 奇异值分解, 图像去噪, 方向检测, 自适应滤波

Abstract: A novel approach to improve the filtering efficiency of a noisy image is proposed.Image filtering based on SVD favors the denoising in the line（horizontal） and column（vertical） direction.Based on this property，the new denoising method adapts shape and size of block to local orientation before performing SVD filtering.Through over-complete representation in overlap regions，the proposed method performs well in denoising and preserving image details.

Key words: Singular Value Decomposition（SVD）, image denoising, orientation detection, adaptive filtering

中图分类号:

TP391.41

杨敦旭¹，杜晓凤²，李翠华¹. 一种提高SVD滤波性能的新方法[J]. 计算机工程与应用, 2010, 46(9): 146-148.

YANG Dun-xu¹，DU Xiao-feng²，LI Cui-hua¹. Novel approach to SVD-based image filtering improvement[J]. Computer Engineering and Applications, 2010, 46(9): 146-148.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[3]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[4]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[7]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[8]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[9]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[10]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[11]	赵青，冶继民，常芳丽. 两正定矩阵联合对角化盲分离算法[J]. 计算机工程与应用, 2019, 55(7): 214-219.
[12]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[13]	曹浩，陈里里，司吉兵，任君兰. 奇异值分解和稀疏自编码器的轴承故障诊断[J]. 计算机工程与应用, 2019, 55(20): 257-262.
[14]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[15]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.

一种提高SVD滤波性能的新方法

Novel approach to SVD-based image filtering improvement

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics