MATLAB实现k-svd和mod信号处理


包含K-SVD和MOD两种算法对信号和图像处理代码例子。使用DCT字典,使用OMP算法计算稀疏系数。
资源截图
代码片段和文件信息
%============================================================
%               demo2 - denoise an image
% this is a run_file the demonstrate how to denoise an image 
% using dictionaries. The methods implemented here are the same
% one as described in “Image Denoising Via Sparse and Redundant
% representations over Learned Dictionaries“ (appeared in the 
% IEEE Trans. on Image Processing Vol. 15 no. 12 December 2006).
% ============================================================

clear
bb=8; % block size
RR=4; % redundancy factor  冗余因素
K=RR*bb^2; % number of atoms in the dictionary

sigma = 50; 
%pathForImages =‘‘;
%imageName = ‘barbara.png‘;
%   [IMin0pp]=imread(‘cameraman.tif‘);
 [IMin0pp]=imread(‘w.jpg‘);
IMin0=im2double(IMin0);
if (length(size(IMin0))>2)
    IMin0 = rgb2gray(IMin0);
end
if (max(IMin0(:))<2)
    IMin0 = IMin0*255;
end

IMin=IMin0+sigma*randn(size(IMin0));%%%%%%此处有随机函数
PSNRIn = 20*log10(255/sqrt(mean((IMin(:)-IMin0(:)).^2)));
% %==========================================================================
% %   P E R F O R M   D E N O I S I N G   U S I N G   O V E R C O M P L E T E 
% %                        D C T    D I C T I O N A R Y
% %==========================================================================
% tic
% [IoutDCToutputCoefs] = denoiseImageDCT(IMin sigma K);

% PSNROut = 20*log10(255/sqrt(mean((IoutDCT(:)-IMin0(:)).^2)));
% figure;
% subplot(131); imshow(IMin0[]); title(‘Original clean image‘);
% subplot(132); imshow(IMin[]); title(strcat([‘Noisy image ‘num2str(PSNRIn)‘dB‘]));
% subplot(133); 
% imshow(IoutDCT[]); title(strcat([‘Clean Image by DCT dictionary ‘num2str(PSNROut)‘dB‘]));
% figure;
% I = displayDictionaryElementsAsImage(output.D floor(sqrt(K)) floor(size(output.D2)/floor(sqrt(K)))bbbb0);%当不输入0时,效果不一样,具体的看内部代码
% title(‘The DCT dictionary‘);
% toc

%==========================================================================
%   P E R F O R M   D E N O I S I N G   U S I N G   G L O B A L 
%           ( O R   G I V E N )   D I C T I O N A R Y
%==========================================================================
% tic
% [IoutGlobaloutput] = denoiseImageGlobal(IMin sigmaK);

% PSNROut = 20*log10(255/sqrt(mean((IoutGlobal(:)-IMin0(:)).^2)));
% figure;
% subplot(131); imshow(IMin0[]); title(‘Original clean image‘);
% subplot(132); imshow(IMin[]); title(strcat([‘Noisy image ‘num2str(PSNRIn)‘dB‘]));
% subplot(133);
% imshow(IoutGlobal[]); title(strcat([‘Clean Image by Global Trained dictionary ‘num2str(PSNROut)‘dB‘]));
% figure;
% I = displayDictionaryElementsAsImage(output.D floor(sqrt(K)) floor(size(output.D2)/floor(sqrt(K)))bbbb);
% title(‘The dictionary trained on patches from natural images‘);
% toc

%==========================================================================
%   P E R F O R M   D E N O I S I N G   U S I N G   A   D I C T  I O N A R Y
%                  T R A I N

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3779  2015-11-13 18:43  KSVDallkindsofmethodscompare.m

     文件      41080  2018-01-19 16:12  KSVDBJ200_14.BMP

     文件        218  2015-10-30 20:40  KSVDDCT_test.m

     文件       1907  2018-03-28 16:31  KSVDdemo1.m

     文件       3594  2018-01-19 16:28  KSVDdemo2.m

     文件       8504  2006-12-28 13:57  KSVDdemo3.m

     文件       6840  2018-01-23 15:40  KSVDdenoiseImageDCT.m

     文件       6565  2018-01-23 14:12  KSVDdenoiseImageGlobal.m

     文件      10446  2018-03-28 16:45  KSVDdenoiseImageKSVD.m

     文件       4337  2018-01-22 11:42  KSVDdisplayDictionaryElementsAsImage.m

     文件       1896  2006-12-11 14:25  KSVDgererateSyntheticDictionaryAndData.m

     文件    5749450  2005-09-21 08:35  KSVDglobalTrainedDictionary.mat

     文件      16429  2018-03-28 15:28  KSVDKSVD.m

     文件      11585  2006-12-28 14:02  KSVDKSVD_NN.m

     文件     263222  2015-11-04 16:05  KSVDlena.bmp

     文件       8053  2006-12-12 08:35  KSVDMOD.m

     文件        857  2018-01-23 13:43  KSVDmy_im2col.m

     文件       1105  2006-12-24 16:00  KSVDNN_BP.m

     文件        954  2007-04-29 10:17  KSVDOMP.m

     文件       1372  2015-11-12 17:13  KSVDOMPerr.m

     文件      22408  2015-11-04 17:20  KSVDw.jpg

    ..A..H.       162  2018-04-17 15:52  KSVD~$表示KSVD.docx

    .....H.     15605  2018-01-24 19:37  KSVD~WRL1849.tmp

     文件     116486  2018-04-17 15:52  KSVD稀疏表示KSVD.docx

     目录          0  2018-04-17 15:52  KSVD

----------- ---------  ---------- -----  ----

              6296854                    25


版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。

发表评论

评论列表(条)