基于特征的非局部均值图像去噪算法研究

《基于特征的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，更多相关内容在学术论文-天天文库。

1、中图分类号：TP391论文编号：102870416-SZ033学科分类号：085208硕士学位论文基于特征的非局部均值图像去噪算法研究研究生姓名李爱婷专业类别工程硕士专业领域电子与通信工程指导教师余汉成副教授南京航空航天大学研究生院电子信息工程学院二О一六年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofElectronicInformationEngineeringResearchonNon-LocalMeansImageDenoisingAlgori

2、thmBasedonFeaturesAThesisinElectronicandCommunicationEngineeringByLiAitingAdvisedbyAssociateProf.YuHanchengSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2016承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果

3、，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学全日制专业学位硕士学位论文摘要染噪图像不仅会影响视觉效果，也会损失有效信息，不利于后续的图像处理和分析。作为图像预处理的重要环节，图像去噪可以提高图像质量，是数字图像研究领域的热点和难点。非局部均值滤波算法(Non-LocalMeans,NLM)充分利用了图像本身的自相似特征，是

4、当前去噪能力较强的一种图像处理方法。但是NLM算法计算量较大，难以满足实际应用中高处理速度的需要。因此，本论文研究的主要课题是探索能够有效保持图像去噪效果的快速NLM算法及其GPU并行实现。主要做了以下方面的研究：(1)针对NLM算法计算量较大的问题，首先提出了一种基于自适应搜索窗的非局部均值滤波算法(NLM-AdaptiveWindow,NLM-AW)，通过分别在边缘区域采用较大的搜索范围，非边缘区域采用较小的搜索范围来降低计算量；然后，为了进一步提高计算速度，在水平和竖直方向移动搜索像素块时采用快速步长的方法(NLM-FastAdaptiveWi

5、ndow,NLM-FAW)。实验验证该算法在有效去噪的同时，计算速度较传统NLM提高了17-66倍；(2)将局部二值模式的思想与NLM算法相结合，提出了一种新的局部二值描述子(LocalBinaryDiscriptor,LBD)，通过对图像的局部结构特征进行二进制描述来提高鲁棒性，并采用逻辑运算取代欧式距离衡量像素块间的相似度，在进一步提高速度的同时，也能很好地保护图像边缘；(3)将(2)中改进的算法应用于光学相干层析成像(OpticalCoherenceTomography,OCT)的医疗图像处理，通过与其它典型算法相比较，验证本文算法在去噪效果和

6、计算时间上的优势；(4)为了达到本文所提出算法的实时性，本论文还对该算法进行了GPU并行处理。在IntelCorei5处理器和NVIDIAGeForceGTX660上运行的实验结果表明，在保证去噪效果与当前主流的去噪方法基本一致的前提下，对NLM-FLBD参数进行调整可以使其计算速度提高76倍，运行速度达到每秒51帧，基本满足实时处理要求。关键词：图像去噪，非局部均值滤波，局部二值模式，特征提取，OCTi基于特征的非局部均值图像去噪算法研究ABSTRACTTheimagescorruptedbynoisenotonlybringaboutpoorvi

7、sualeffectsbutalsolosepartoftheusefulinformation,whichisnotconducivetothesubsequentimageprocessingandanalysis.Asacriticallinkofdigitalimagepre-processing,imagedenoisingisapopularbutdifficultprobleminthefieldofdigitalimageprocessing,whichcanimprovetheimagequality.Non-localmeans(

8、NLM)filteralgorithmwhichtakesfulluseoftheself-similari