基于相似塊的圖像去噪算法研究.pdf

1、圖像噪聲是由多種因素造成的一種隨機現(xiàn)象。噪聲的存在直接影響了圖像真實信息的表達，如何從受到噪聲污染的圖像中恢復原有信息，提升圖像質(zhì)量已經(jīng)成為圖像處理領(lǐng)域的熱點研究方向。非局部均值(Non Local Mean，NLM)算法是一種能夠有效去除加性高斯噪聲的去噪算法，多年來吸引了大量學者的關(guān)注。NLM算法將相似塊的加權(quán)平均推廣到圖像整個區(qū)域，獲得了較好的去噪效果。但是，NLM算法在相似塊的選擇與度量、參數(shù)設(shè)置和執(zhí)行效率等方面仍存在一些不足。

2、本文主要圍繞NLM算法中相似塊的選擇和度量開展研究，研究了NLM圖像去噪算法的改進和優(yōu)化。
　　論文的主要研究工作包括:
　　針對NLM去噪算法在部分區(qū)域圖像塊的相似度較低問題，提出了優(yōu)化相似塊選擇策略的改進算法，通過超像素分割算法將圖像劃分為若干相似塊，在變化豐富的區(qū)域利用紋理信息直接選擇相似度更高的圖像塊;針對不同區(qū)域特點采用了不同尺寸的相似窗口，新的相似塊選擇策略保留了原圖像更多的紋理信息。
　　針對相似度較小的

3、圖像塊參與像素信息恢復時影響去噪效果的問題，提出了相似塊二次篩選和新的權(quán)重分配方法?？紤]到與中心像素在同一類的圖像塊間具有更高的相似性，在搜索窗內(nèi)按相似塊的局部特征將其聚類，并對聚類同簇中的相似塊賦予更高的權(quán)值。由于選擇了更加合理的相似塊，提升了算法的去噪性能。
　　針對NLM去噪算法中利用像素間的歐氏距離衡量相似度存在的不足，提出了一種新的判定函數(shù)用于相似塊的度量。通過對相似塊多級小波分解，從小波系數(shù)中提取能量信息并定義了基于小