关键词：高斯混合模型 先验 低秩近似 维纳滤波 

摘要：利用混合高斯模型（gaussian mixture model,GMM）学习自然图像块的纹理结构,提出一种基于图像块先验的低秩近似和维纳滤波的去噪算法。该算法能够同时利用外部图像块的先验结构信息和内部图像的自相似性,对待去噪图像进行分块聚类,并根据每类相似块的数量进行协同滤波。当相似图像块数量较多时,采用低秩近似的方法复原,有效利用图像的内部自相似性;当相似图像块数量较少时,采用维纳滤波,利用先验信息保持图像重要的纹理结构。试验结果表明此方法较适用于弧形边界和角点等存在较少相似块的自然图像,其峰值信噪比（peak signal to noise ratio,PSNR）和视觉效果优于目前部分主流算法。

山东工业大学学报杂志要求:

{1}引言作为论文的开场白，应以简短的篇幅介绍论文的研究背景和目的，对相关领域内前人所做的工作和研究进行简要的概括。

{2}本刊恕不退稿，请作者自留底稿，切勿一稿多投。

{3}文题一般字数不超过25字。正文各级标题用阿拉伯数字连续编号，层次分明，可用至4级标题。

{4}论著须附200～300字中英文摘要，包括目的、方法、结果、结论。

{5}作者简介（包括作者姓名、出生年、性别、民族、籍贯、工作单位、职务或职称、学位等），并在文末附上详细的通讯地址、邮政编码、联系电话和电子信箱。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社