高阶 SVD 和全变差正则的乘性噪声去除模型

光滑性、稀疏性和自相似性先验作为自然图像的重要特性被广泛应用于图像去噪. 根据高阶奇异值分解和全变差正则的互补性, 本文提出了一种能够同时利用上述三种先验的乘性噪声去除新方法. 新方法首先采用高阶奇异值分解方法对对数变换后图像中的相似块组进行去噪,利用了局部自适应性、稀疏性和自相似性;然后结合考虑光滑性先验的全变差约束对结果进行迭代优化. 实验结果表明,提出的方法在有效去除乘性噪声的同时,可以更好地保留图像的边缘和纹理区域的细节信息.