1 简介

WNNM是一种约束矩阵奇异值稀疏性的低秩算法，在 NNM 理论基础上增加了核范数权重，有效利用了自然图像的先验信息并提高了核范数的灵活性.

2 部分代码

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('原图')subplot(132)imshow(N_Img)title('加噪图')subplot(133)imshow(uint8(E_Img));title('WNNM去噪')

3 仿真结果

4 参考文献

[1]王成钢, 孔斌, 张彩露. 基于稀疏表示与加权核范数最小化的图像去噪算法[J]. 软件导刊, 2019, 18(6):5.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。