非局部均值图像去噪算法研究

《非局部均值图像去噪算法研究》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、ISSN1009-3044ComputerKnowledgeandTechnology电脑知识与技术Vol.8,No.22,August2012.E-mail:eduf@cccc.net.cnhttp://www.dnzs.net.cnTel:+86-551-56909635690964非局部均值图像去噪算法研究刘卓亚（云南机电职业技术学院，云南昆明650203）摘要：图像去噪一直都是计算机图形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出色的算法之一，但是非局部均值算法容易导致细

2、节模糊，该文基于指数加权函数的基础上引进了余弦函数，提出了一种改进的非局部均值图像去噪方法，通过实验表明，该文的改进算法比传统的算法更能保持细节。关键词：图像处理；非局部均值算法；图像去噪；高斯噪声中图分类号：TP183文献标识码：A文章编号：1009-3044(2012)22-5448-02TheNonLocalMeansDenoisingResearchLIUZhuo-ya(YunnanVocationalCollegeofMechanicalandElectricalTechnology,Kunmin

3、g650203,China)Abstract：ImagedenoisinghasalwaysbeenahotissueinComputerGraphicandComputerVision.Non-localMeansmethodisoneof thegreatperformingmethodswhicharousetremendousresearch..Aimingattheproblemofblursthedetailsinoriginalnon-localmeansal⁃ gorithm,thispap

4、erproposesacosineexponentialfunction.Itisusedintheweight-computingoftheimprovedalgorithm.Experimentalre⁃ sultsshowthealgorithmhasasuperiordenoisingperformancethantheoriginalone.Keywords:imageprocessing;nonlocalmeansalgorithm;imagedenoising;gaussiannoise1概述

5、图像去噪是图像处理领域中一项重要的研究课题，一方面能有效的抑制噪声，为后续处理提供更为精确的信息；另一方面对去噪方法的研究还能促进其它图像处理与分析问题的解决，如图像恢复、超分辨重建、图像分割等。在进半个世纪中，图像去噪是数字图像处理中最基本、研究最为广泛的问题，目前仍然有很多问题没有得到解决。图像去噪的目的是从噪声数据中恢复出原始图像或者得到其最佳估计。基于这个目的，大量的去噪算法得到了发展，比如全变分最小化方法[1]、双边滤波器[2]和基于小波方法[3]等。文献[4-5]提出原始非局部均值（Origin

6、alNon-localMeans,ONLM）算法，非局部均值滤波算法的核心问题是在于确定权重函数，ONLM算法中采用直属型函数进行加权[4]。由于ONLM算法采用指数型函数导致图像的细节过渡平滑而变得模糊，文献[6]中的纯直属型或者余弦型核函数不能适应噪声的变换，对强噪声的去噪能力明显下降。为此，该文在以上工作基础上，讨论加权核函数的建立，并结合直属函数和余弦型核函数，提出了指数余弦型函数。2非局部均值滤波去噪算法该文假设噪声信号为与图像无关的加高斯白噪声，噪声模型为：V(i)=X(i)+N(i)（1）其中

7、，X(i)为未受噪声污染的原始图像；N(i)为均值为0，方差为σ2的白噪声；V(i)为受污染的噪声图像。已知一副含噪图像v={v(i)

8、i∈I}，其中，I表示图像域。对于图像中的任意一个元素i，ONLM算法利用图像中所有像素灰度值的加权平均来得到该点的灰度估计值，即：NL[v](i)=C1(i)∑w(i,j)v(j)（2）j∈I其中C(i)=∑w(i,j)（3）j∈I是归一化常数。相似权重w(i,j)则由像素点i的领域和像素点j的领域的相似度来度量。此权重可以定义为：D(i,j)=v(N(i))-v(N(

9、j))

10、

11、2）w(i,j)=exp(-D(i,j))（5）h2其中N(i)表示中心点在像素点i的正方形领域，

12、

13、⋅

14、

15、2,a为高斯加权欧式距离函数，a为高斯核的标准差，h为衰减参数，即为收稿日期：2012-05-255448多媒体技术及其应用本栏目责任编辑：唐一东第8卷第22期(2012年8月)ComputerKnowledgeandTechnology电脑知识与技术我们的去噪参数。3改进的权重函数在一定条件下，