基于圖像塊先驗的低秩近似和維納濾波的去噪算法
張楊; 陳飛; 徐海平 福州大學數學與計算機科學學院; 福建福州350116
關鍵詞：高斯混合模型 先驗 低秩近似 維納濾波
摘要：利用混合高斯模型（gaussian mixture model,GMM）學習自然圖像塊的紋理結構,提出一種基于圖像塊先驗的低秩近似和維納濾波的去噪算法。該算法能夠同時利用外部圖像塊的先驗結構信息和內部圖像的自相似性,對待去噪圖像進行分塊聚類,并根據每類相似塊的數量進行協同濾波。當相似圖像塊數量較多時,采用低秩近似的方法復原,有效利用圖像的內部自相似性;當相似圖像塊數量較少時,采用維納濾波,利用先驗信息保持圖像重要的紋理結構。試驗結果表明此方法較適用于弧形邊界和角點等存在較少相似塊的自然圖像,其峰值信噪比（peak signal to noise ratio,PSNR）和視覺效果優于目前部分主流算法。
山東工業大學學報雜志要求:
{1}引言作為論文的開場白，應以簡短的篇幅介紹論文的研究背景和目的，對相關領域內前人所做的工作和研究進行簡要的概括。
{2}本刊恕不退稿，請作者自留底稿，切勿一稿多投。
{3}文題一般字數不超過25字。正文各級標題用阿拉伯數字連續編號，層次分明，可用至4級標題。
{4}論著須附200～300字中英文摘要，包括目的、方法、結果、結論。
{5}作者簡介（包括作者姓名、出生年、性別、民族、籍貫、工作單位、職務或職稱、學位等），并在文末附上詳細的通訊地址、郵政編碼、聯系電話和電子信箱。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
