基于伽马范数最小化的图像去噪算法

针对核范数有偏近似秩函数导致基于核范数最小化的传统去噪方法去噪性能较差的问题,基于低秩理论,提出一种基于伽马范数最小化的图像去噪算法。首先对噪声图像重叠分块,然后基于结构相似性指数自适应搜索与当前图像块最相似的若干非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似矩阵秩函数构建低秩去噪模型,最后基于奇异值分解对所得低秩去噪优化问题求解,并将去噪图像块重组为去噪图像。仿真结果表明,与现有主流PID、NLM、BM3D、NNM、WNNM、DnCNN和FFDNet算法相比,所提算法可较显著地消除高斯噪声,且可较好地恢复原始图像细节。