噪聲的估計(jì)及基于快速NLM的去除.pdf

1、數(shù)字圖像處理是數(shù)學(xué)、光學(xué)、圖形學(xué)和計(jì)算機(jī)技術(shù)交叉領(lǐng)域的一門新學(xué)科，然而圖像在獲取和傳輸過程中會(huì)不可避免地受到噪聲的污染，這將嚴(yán)重影響圖像的視覺效果及對圖像的后續(xù)處理，所以圖像去噪一直是數(shù)字圖像相關(guān)的重要預(yù)處理過程。盡管對它的研究已經(jīng)近半個(gè)世紀(jì)，但圖像去噪仍然是圖像處理領(lǐng)域中最經(jīng)典和最富有挑戰(zhàn)性的課題之一。Buades等人提出的非局部均值算法是一種完全不同的圖像去噪策略，是去噪領(lǐng)域的又一里程碑。其基本思想是充分利用圖像中的冗余信息，構(gòu)建待

2、去噪像素點(diǎn)鄰域與搜索域中的像素點(diǎn)鄰域的相似函數(shù)，用其求取搜索域中的像素點(diǎn)與待處理像素點(diǎn)的相似度權(quán)重，然后對搜索域內(nèi)的所有像素點(diǎn)進(jìn)行加權(quán)平均，從而得到去噪后的像素值。非局部均值算法在去噪的同時(shí)保持了圖像的紋理、邊緣等重要信息，是公認(rèn)的效果最好的去噪算法之一。但對其的應(yīng)用仍然受到很大的約束，主要問題是該算法對濾波參數(shù)的定量不明確，以及計(jì)算復(fù)雜度太大。
　　本研究主要內(nèi)容包括：⑴針對非局部平均算法對濾波參數(shù)選定的不確定性，本文提出了一個(gè)

3、新的準(zhǔn)則來自適應(yīng)地確定這一敏感參數(shù)，保證去噪效果最優(yōu)或接近最優(yōu)；⑵通過結(jié)合噪聲估計(jì)的濾波法和分塊法，提出一種改進(jìn)的分塊法來確定影響非局部均值濾波參數(shù)的噪聲大小，其中還指出并解決了噪聲估計(jì)領(lǐng)域長期以來被忽視的“欠估計(jì)”問題；⑶針對非局部均值濾波復(fù)雜度較高的問題，概述了現(xiàn)有的快速算法，詳細(xì)介紹了它們的特點(diǎn)，并經(jīng)過理論及實(shí)驗(yàn)分析指出其各自的不足；⑷提出一種新的、有效的快速算法，引用盒子濾波的思想在不影響去噪性能的前提下大大地降低了算法復(fù)雜度，