基于梯度信息的快速非局部均值图像去噪算法.pdf

《基于梯度信息的快速非局部均值图像去噪算法.pdf》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、j，，，

2、一基于梯度信息的快速非局部均值图像i笥叠0t耳ltl0’‘去噪算法蕊j瓷j‘-，。～1÷_I、l‘一⋯，一l-’肖鹏，刘平平，陈幼平(华中科技大学机械科学与工程学院，湖北武汉430074)FastNon——localMeansImageDenoisingAlgorithmBasedonGradientInformationXIAOPeng．LIUPing—ping，CHENYou—ping(SchoolofMechanicalScienceandEngineering．HuazhongUniversityofSciencea

3、ndTechnology，Wuhan430074，China)摘要：非局部均值图像去噪算法具有优秀的去and3highercredibilityofthepixelintheneigh—噪效果，但是算法复杂度高，不能应用于高速图像处borhoodSOthatthecompletenessandveracityof理系统中。为提高算法执行速度，使其拥有更广泛smallgradientregionremainsunaffected．Thispro-的应用，提出了基于图像梯度信息的快速非局部均posedalgorithmcanimprove

4、thespeedofnon——Io·值图像去噪算法。该算法把原始图像划分为大梯度calmeansfiltersignificantlyandreservetheimage区域和小梯度区域。利用非局部均值算法对大梯度edgesanddetailseffectivelyaswel1．区域去噪，以保证图像边缘的清晰度；利用局部加权Keywords：denoising；non—localmeans；gradi-平均算法对小梯度区域去噪，以保证灰度变化不大ent；Sobeloperator的区域信息的完整性和准确性。算法能提高非局部均值滤波速度

5、，而且能够有效保存图像边缘和细节。0引言关键词：图像去噪；非局部均值；梯度；Sobel算子数字图像在获取和传输的过程中不可避免地被中图分类号：TP751．1噪声污染。被噪声污染的图像会影响人们对图像的文献标识码：A观察和理解，影响机器对图像的识别。对图像进行文章编号：1O01—2257(2010)l1—0003—04去噪处理，是正确识别图像信息和进一步处理的必Abstract：Non—localmeansalgorithmcana—要保证L1]。thieveastate——of——the——artdenoisingresultatth

6、e图像去噪的方法很多，但是一些经典滤波器如costofahighcomplexity，whichisnotadaptablee—均值滤波器会造成图像细节的丢失，使图像模糊，中noughtoresponseahigh—speedimageprocessing．值滤波器对单极或双极脉冲噪声非常有效，但是对InordertOlowerthecomplexity，risethealgor—高斯噪声效果不理想。近几年学者们提出大量新tithmspeedaswellasbroadenitsapplication，this的滤波方法，如基于遗传算法

7、的滤波方法、基于小波paperproposedafastnon—localmeansdenoising理论的滤波方法和非局部均值滤波方法等[3]。非局algorithmbasedonimagegradient．Dividethe0一部均值滤波算法是Buades等人在2005年提出的一riginalimageintoalargegradientregionanda种空间域滤波器。这种滤波器利用图像的非局部自相似性来去除噪声L4]，对去除噪声特别是高斯噪声smallone．Byrespectivelyusingnon—localmeans

8、denoisingalgorithminlargegradientregionandlo—有着非常理想的效果。但是非局部均值滤波算法复calweightedaveragefilteringinsmallgradientre—杂度非常高，计算量大，无法在一些对图像处理速度有要求的场合使用。参考文献[5]通过引入积分图gion，wecanbothensuretheclarityofimageedge(summedsquareimage)和快速傅立叶变换(FFT)收稿日期：2010—07—12对算法进行加速，可以显著减少算法执行时间，但是基

9、金项目：国家自然科学基金资助项目(50905064)；教育部留学回国人员科研启动基金资助项目(2008)这种算法需要相应的硬件支持。参考文献[5]提出《机械与电子>)2010(11)·3·一种基于邻域均值和梯度的预选像素