K-SVD算法的超声图像加性噪声去噪研究-陕西师范大学学报期刊社网站

陕西师范大学学报（自然科学版）

物理学

K-SVD算法的超声图像加性噪声去噪研究

秦晓伟, 郭建中*

(陕西师范大学物理学与信息技术学院，陕西西安 710062)

秦晓伟，男，硕士，研究方向为信号与信息处理.研究 E-mail: markqxw@stu.snnu.edu.cn.* 通信作者：郭建中，男，副教授. E-mail:guojz@snnu.edu.cn.

摘要:

利用具有稀疏性、特征保持性和可分离性等特点的超完备字典的稀疏表示，基于核奇异值分解（K-SVD）算法，研究了对图像去除噪声效果以及影响效果的因素.理论分析及实验研究表明：K-SVD算法能够很好去除超声图像噪声，保留图像细节特征，获得更高的峰值信噪比（PSNR）值.在计算过程中发现K-SVD算法中的训练样本尺度大小是影响去噪效果的主要参数.

关键词：

核奇异值分解算法；图像去噪；稀疏表示

收稿日期：

2012-03-25

中图分类号：

TN911.73

文献标识码：

文章编号：

1672-4291(2012)06-0042-05

基金项目：

国家自然科学基金资助项目(10974128).

Doi:

The research on denoising of ultrasound image additive noise based on K-SVD Algorithm

QIN Xiao-wei, GUO Jian-zhong*

(College of Physics and Information Technology,Shaanxi Normal University, Xi′an 710062, Shaanxi, China)

Abstract:

Using the sparse representation of over-completed dictionary which was sparsity,integrity and separability we studied the quality of image denoising and the factors which affected denoising quality in the framework of K-SVD algorithm. Theoretical analysis and experimental study show that the K-SVD algorithm can refrain noise very well, retain more details of the image and obtain better PSNR. The key factor which affects the quality of denoising in K-SVD algorithm is the size of trained pictures.

KeyWords:

K-SVD Algorithm; image denoising; sparse representation