王 慧， 冯金顺*， 程正兴

(1.南阳理工学院 师范学院， 河南 南阳 473000；2.西安交通大学 数学与统计学院， 陕西 西安 710049)

1 引 言

图像去噪是指从被噪声破坏信息的图像中恢复原始图像信息的过程。由于成像设备和外界条件的影响，噪声干扰在图像传感过程中是不可避免的。噪声会严重降低所获取的图像的视觉质量，影响图像的边缘和纹理，导致图像信息的可靠性下降,影响进一步的图像处理。去除噪声是各种图像处理和计算机视觉工作中必不可少的步骤,其处理结果的好坏直接影响着边缘检测、目标识别等各种后续任务的顺利进行。因此，研究以及优化图像去噪算法具有重要意义。

图像去噪算法主要有以下几种。首先有基于空间域滤波的图像去噪算法，如非局部均值滤波、引导滤波等[1-2]。基于空间域算法虽然计算复杂度低，但是去噪图像容易丢失细节信息。还有基于变换域图像去噪算法[3-6]，例如去噪领域广泛使用的小波变换图像去噪算法。该算法是将图像信号变换到小波域进行多层分解，实现信噪有效分离。由于小波变换存在一些固有的缺陷，例如会在系数奇异点附近出现震荡现象、在高维空间缺乏足够的方向性以及缺乏平移不变性，基于小波变换的去噪算法会有一定的局限性。其次有基于稀疏表示理论的去噪算法[7-9]。 稀疏表示理论下的去噪算法利用图像在过完备字典下的稀疏表示实现去噪功能，而该字典可由图像数据库的图像块学习得到。……