1 簡(jiǎn)介

WNNM是一種約束矩陣奇異值稀疏性的低秩算法，在 NNM 理論基礎(chǔ)上增加了核范數(shù)權(quán)重，有效利用了自然圖像的先驗(yàn)信息并提高了核范數(shù)的靈活性.

2 部分代碼

clcclear allclose allnSig ?= 100;O_Img = double(imread('Monarch.png'));randn('seed', 0);N_Img = O_Img + nSig* randn(size(O_Img)); ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? %Generate noisy imagePSNR ?= ?csnr( N_Img, O_Img, 0, 0 );fprintf( 'Noisy Image: nSig = %2.3f, PSNR = %2.2f \n\n\n', nSig, PSNR );Par ? = ParSet(nSig);E_Img = WNNM_DeNoising( N_Img, O_Img, Par ); ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%WNNM denoisng functionPSNR ?= csnr( O_Img, E_Img, 0, 0 );fprintf( 'Estimated Image: nSig = %2.3f, PSNR = %2.2f \n\n\n', nSig, PSNR );figuresubplot(131)imshow(imread('Monarch.png'));title('原圖')subplot(132)imshow(N_Img)title('加噪圖')subplot(133)imshow(uint8(E_Img));title('WNNM去噪')

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]王成鋼, 孔斌, 張彩露. 基于稀疏表示與加權(quán)核范數(shù)最小化的圖像去噪算法[J]. 軟件導(dǎo)刊, 2019, 18(6):5.

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問(wèn)題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。