董明堃，蒋爱民，孙 娟

（河海大学物联网工程学院，常州213022）

基于字典学习的残差信息融合图像去噪方法❋

董明堃，蒋爱民，孙 娟

（河海大学物联网工程学院，常州213022）

传统去噪算法只考虑从含噪图像中恢复出图像信息，然而对去噪后残差信号的利用却并未加以重视。针对图像去噪后残差信号中包含有用信息的特点，提出了一种基于字典学习的残差信息融合图像去噪方法。首先使用字典学习方法对单幅含噪图像进行去噪；然后对首次降噪后的残差图像进行图像块筛选；再对筛选出的图像块再次进行去噪处理；最后在小波域实现两幅图像的融合得到最终的去噪图像。实验结果表明，与传统基于字典学习的去噪方法相比，所提方法能够进一步提取残差信号中的图像特征信息，在峰值信噪比和结构相似度上都有所提升。特别是对一些细节较为复杂的场景图像，具有更好的去噪效果，从而证明了残差信号对于图像去噪的重要作用。

图像去噪；字典学习；图像残差；稀疏表示；小波融合

1 引 言

在许多图像应用领域中，人们需要高质量的清晰图像。然而在数字图像的获取和传输过程中，不可避免地受到噪声干扰，因此图像的去噪技术成为提升图像最终视觉质量最重要的步骤［1］。

人们通常将含噪图像表示为Y＝X＋N，其中Y表示含噪图像，X表示原始的清晰图像，N表示叠加在清晰图像之上的噪声。对于任意的含噪图像Y，去噪处理可以被看做为将Y分离成一个去噪图像＝ϑ1（Y）和残差图像E＝Y－ϑ1（Y）的过程。……