一种基于稀疏表示的交通图像去噪算法.pdfVIP

第34卷 第5期 大 连 交 通 大 学 学 报 Vo1．34 No．5 2013年 10月 JOURNAL OF DALIAN JIAOTONG UNIVERSITY 0ct．2013 文章编号：1673—9590(2013)05—0107—05 一 种基于稀疏表示的交通图像去噪算法 贾世杰，李艳彬 (大连交通大学 电气信息学院，辽宁 大连 116028)米 摘 要：将图像稀疏表示方法引入到交通图像处理中，实现了一种基于 K—SVD的正交匹配追踪的交 通图像去噪算法．该算法通过奇异值分解 ，DCT字典进行 自适应更新，形成更能表示图像结构 的超完备 字典．实验结果表明，相对于传统图像增强方法(中值滤波、均值滤波、基于小波滤波)和基于DCT冗余 字典的稀疏表示图像增强方法，该算法能更有效地去除交通图像噪声，得到更高的峰值信噪比． 关键词：交通图像 ；稀疏表示；图像去噪；峰值信噪比 文献标识码：A 0 引言 用于图像增强领域，并成为当前研究的热点 j． 从数学上来说，稀疏表示是指在稀疏正则化约束 采用数字图像处理技术从交通图像中提取有 条件下完成原始图像在过完备冗余函数集合上的 用信息，用于城市和道路交通状况监测，是现代智 能交通系统研究的重要的课题之一…．交通 图像 分解，这里所说的过完备冗余函数集合又被称为 提供了有关车辆、行人、道路路面和道路利用情况 过完备字典，集合中的元素就被称为原子． 等各种交通信息，所以，只要对交通图像进行恰当 为能有效地去除图像噪声，同时又能最大限 处理，可以获取大量反映交通状况的有用参数，因 度地保留图像有用信息，避免人为信息的引入，本 此对图像清晰度的要求更加的严格，但是在现实 文利用 K—SVD算法对 DCT字典进行 自适应更 的图像获取中，自然条件的恶劣以及场所的影响， 新 ，形成更能表示图像结构的超完备字典 ．实 使视频监控系统所获得的图像清晰度不够，从而 验结果表明，该算法相对于传统的图像去噪算法， 使后续处理无法进行． 在有效去除图像噪声的同时，更好地保留了图像 良好的图像增强算法可以有效处理这些问 的有用信息，得到了视觉效果更好的去噪图像． 题，处理后的图像便于应用．通常图像增强的方法 可分为空域增强和频域增强．其 中空域增强方法 1 图像稀疏分解 主要有中值滤波、均值滤波、平滑空间滤波器和直 设研究图像为／，其大小为，M ×N，M和Ⅳ分别 方图处理等；频域的图像增强方法主要有傅里叶 为图像的长和宽 图像稀疏分解的过完备原子库为 变换、多尺度变换、小波变换等_2J．这些传统的图 D=[g，] ，其中，g表示匹配原子，llg，ll=1，F 像去噪方法通常假设在含有噪声的图像中，有用 为r的集合 J．MP算法分解图像过程如下： 信息部分的频率较低，而噪声部分的频率较高，但 首先从过完备原子库里选取与待分解 图像最 是实际上并不总是这样的．一方面，图像的边缘和 细节等有用信息部分含有高频分量；另一方面，噪 为匹配的原子，需满足下列条件： 声也会含有低频部分．这就造成了图像的有用信