首页|基于WSNM-RPCA的图像降噪算法

基于WSNM-RPCA的图像降噪算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
通常情况下,鲁棒主成分分析(RPCA)在数据矩阵的正部分条目被任意损坏,或是缺少部分条目的情况下,依然可以恢复数据矩阵的主成分,但RPCA中采用核范数最小化(NNM),往往会过度缩小秩分量,限制了分离的质量,因此使用加权Schatten-p范数的最小化(WSNM)来代替核范数的最小化,以取得更好的低秩逼近效果.灰度图像和彩色图像均可以用低秩矩阵去近似,因此可以用基于WSNM的RPCA模型来对含有随机噪声的图像进行恢复.经实验验证,与基于核范数的RPCA相比,基于WSNM的RPCA模型可以更有效地提高降噪的效果.

王月轮、廖亮、周至恺、邱枫、魏平俊

展开 >

中原工学院电子信息学院 河南郑州 450007

鲁棒主成分分析 加权schatten p-范数最小化 基于WSNM的鲁棒主成分分析 矩阵低秩近似 图像降噪

中原工学院科研团队发展项目河南省杰出外籍科学家工作室项目

K2022TD001GZS2022012

2024

10.3969/j.issn.1672-9528.2024.03.018

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(3)
  • 7