Image denoising with two-dimensional zero attracting LMS algorithm

In this paper, we propose a new two-dimensional (2D) zero-attracting least-mean-square (ZALMS) adaptive filter by imposing a sparsity aware l1-norm penalty term into the cost function of the 2D-LMS algorithm. Comparisons with 2D-LMS and BM3D algorithms were conducted both on sparse and non-sparse images. The carried-out simulations show that the proposed algorithm has good capabilities in updating the filter coefficients along both horizontal and vertical directions, and its performance is similar with the 2D-LMS algorithm with lower computation time. But 2D-ZALMS performs better than BM3D algorithm.

2 boyutlu sýfýra çeken LMS algoritmasýyla görüntü iyileþtirme

Bu yazýda, iki boyutlu en küçük kare algoritmasýnýn (2D-LMS) maliyet fonksiyonuna seyrekliði farkeden l1-norm ceza terimi yükleyen yeni bir 2D sýfýra çeken en küçük ortalama kare (ZALMS) uyarlamalý filtreyi önermekteyiz. 2D-LMS ve BM3D algoritmalarý ile karþýlaþtýrmalar hem seyrek hem de seyrek olmayan görüntülerde yürütülmüþtür. Simülasyon sonuçlarý, önerilen algoritmanýn hem yatay hem de dikey doðrultuda filtre katsayýlarýnýn güncellenmesinde iyi yeteneklere sahip olduðunu göstermiþtir ve performansý düþük hesaplama zamanýna sahip 2D-LMS algoritmasý ile ayný/daha iyidir. Ancak 2D-ZALMS, BM3D algoritmasýndan daha iyi performans göstermektedir.