改进的非局部均值图像去噪算法

《改进的非局部均值图像去噪算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、改进的非局部均值图像去噪算法邓志全1）关履泰1）朱庆勇2）（1）中山大学科学计算与计算机应用系，广州510275，lnsglt@mail.sysu.edu.cn2）中山大学工学院海洋研究中心，广州510275）摘要:图像去噪一直以来都是计算机图像处理和计算机视觉中的一个研究热点，其中非局部化均值算法是近年来去噪效果比较出色并引起广泛研究讨论的算法之一。本文在非局部均值算法的基础上提出改进方案，针对图像自身的特点自适应的取最优参数，同时大大的减低其运算量和时间。并从理论和算法程序等方面详细阐述了该加速算法的具体实现过程。最后论文给出加速算法在实际应用中的处理

2、结果和优越性关键词:图像去噪;非局部均值;整体变分法;PDE去噪模型;自适应求参;各向异性扩散ImprovedNon-localMeansImageDenoisingMethodDENGZhi-quan1）,GUANLutai1）,ZHUQing-yong2)(1）DepartmentofScientificComputing&ComputerApplication,SunYet-senUniversity,Guangzhou510275)(2)OceanEngineeringResearchCertre,SchoolofEngineering,SunYe

3、t-senUniversity,Guangzhou510175)Abstract:ImagedenoisingtechnologyisoneoftheforelandsinthefieldofComputerGraphicandComputerVision;Non-localMeansmethodisoneofthegreatperformingmethodswhicharousetremendousresearch.Inthispaper,weproposeanovelimprovedNon-localMeansalgorithmwhichcansele

4、cttheoptimalparametersanddecreasethecomputationalcomplexity.Wealsogivethemathematicaltheoryembeddedandimplementationindetails.Intheend,wepresentthemainexperimentresultsanditssuperiorityinapplication.Keywords:Imagedenoising;Non-localMeans;TotalVariationMethod;PDEdenoisingmodel;Adap

5、tiveParameterize;Anisotropicdiffusion2　　　　　　　　　　　　　　　　　　　　第十四届全国图象图形学学术会议1引言随着电子计算机和数码成像设备的日益普及，数字图像处理越来越受到人们的重视。其应用领域也越来越广泛，从最初的与成像有关的个别领域已经发展到现代工业、农业、军事、医学等涉及到国民经济和社会生活的几乎所有领域。而目前，大多数的数字图像系统中，输入光图像都是通过扫描方式将多维图像变成一维电信号，再对其进行存储、处理和传输等，最后形成多维图像信号。在这一系列复杂过程中，图像数字化设备、电气系统和外界影响将不可避免地产

6、生图像噪声。因此数字图像去噪算法的研究意义重大。学界里面提出了很多的噪声去除算法以期尽可能真实地还原原始真实图像。虽然他们在具体的算法实现上面有着各自的差异，但是他们无不例外地都遵循着一条内含的主线：利用某些点集的颜色值做平均得到一些去噪系数来求得新的颜色值。除去一些经典去噪算法，近期讨论较多的有基于整体变分法的去噪模型，基于偏微分方程和非线性滤波算法的去噪模型，频域去噪算法，及非局部均值图像去噪算法。本文针对非局部均值算法的不足提出两方面的改进：1.通过预选择象素点对原算法加速，减低其算法复杂度；2.通过提出去噪参数选取算法求得自适应每个图像特点的最优去

7、噪参数。2　　　　　　　　　　　　　　　　　　　　第十四届全国图象图形学学术会议非局部均值去噪算法的确在去噪效果上面有着良好的表现，但是我们知道要完成不同象素点之间的相似度计算以及搜索会耗费非常大的计算机时间。同时，去噪参数的选取也对最后噪声去除的效果有着极大的影响。因为非局部均值去噪算法更大程度上是依赖每个图像自身的特点来进行去噪。因此对每个图像自身的最优参数选取非常的关键。下面我们从计算复杂度和自适应选取每个图像的最优去噪参数两方面，对原非局部均值去噪算法提出改进。2预选择象素点加速算法对其算法复杂度进行分析，便知道非局部均值去噪算法的时间复杂度相当地

8、大。我们假设算法中的相似窗大小为，我们把对相似窗的搜索局限于一个大