基于非局部均值的圖像去噪方法研究.pdf

1、圖像在形成、傳遞和記錄過程當中難免會受到噪聲的污染,這嚴重影響著人們對圖像信息傳輸?shù)恼_理解。因此對圖像進行去噪處理一直是圖像處理中重要的研究問題之一,愈來愈受到人們的關注。
　　Buades等人在研究了各向異性擴散、鄰域濾波與全變差濾波等經(jīng)典去噪算法的基礎以后,給出了非局部平均(Non-Local Means,NLM)的算法模型,并且將其應用在圖像去噪中,取得了很好的去噪效果。非局部均值濾波基本的思想是使用圖像中的大批冗余信息,

2、對圖像中全部近似鄰域內(nèi)像素的灰度值依照權重系數(shù)計算平均加權得到噪聲圖像像素的灰度估計值。非局部均值濾波的核心問題是確定加權核函數(shù)。Buades等人提出的非局部均值濾波算法中的權重系數(shù)是由像素鄰域之間的高斯加權歐氏距離決定的。該算法僅僅在圖像相對平滑區(qū)域有很好的去噪效果,而在邊緣或者紋理等區(qū)域去噪能力較弱。因此,用高斯加權距離確定權重系數(shù)有一定的局限性。
　　本文在非局部均值濾波的基礎之上,引入結(jié)構相似度(SSIM)到圖像小塊相似性

3、的度量中,定義了一種新的距離用來確定權重系數(shù)。同時在多尺度上進行了新算法的有效性驗證。仿真結(jié)果表明:去噪的效果得到了提高,圖像的邊緣結(jié)構保護得更好;另外,本文還把圖像的結(jié)構檢測引入了NLM算法中,利用邊緣檢測的結(jié)果調(diào)節(jié)NLM算法相似性度量。為了保護圖像的結(jié)構,讓具有相似邊緣內(nèi)容的像素可以獲得較大的權,而具有不相似邊緣內(nèi)容的鄰域則取較小的權(或者為零)。仿真實驗結(jié)果說明了新的算法可以提高NLM算法的去噪性能,濾波后的圖像邊緣結(jié)構信息保持得