在PCA字典上进行自适应稀疏编码以进行图像降噪

稀疏编码是图像去噪中的一种流行技术。 然而，由于去噪问题的不适定性，难以获得对真实代码的准确估计。 为了提高去噪性能，我们在主成分分析字典上收集数据集的稀疏编码错误，对错误概率进行假设，并导出用于图像去噪的能量优化模型，称为主成分分析词典上的自适应稀疏编码（ ASC-PCA）。 新方法考虑了两个方面。 首先，通过与PCA词典相关的对稀疏编码错误在不同维度上的概率分布的观察，可以自适应地确定均衡保真度项和非局部约束的正则化参数，这对于获得令人满意的结果至关重要。 此外，讨论了所构建模型的直观解释。 其次，为了有效地求解新模型，提出了一种基于滤波器的迭代收缩算法，该算法包含了基于滤波器的反投影和收缩阶段。 反投影阶段的滤波器在求解模型中起着重要作用。 如大量实验所示，建议该方法在定量和视觉测量方面均表现最佳。