1非局部均值去噪算法-中国图象图形学报.doc

中图法分类号：TP391.41 文献标识码：A 文章编号： 改进权值函数的非局部均值去噪算法 单建华 （安徽工业大学机械工程学院，马鞍山 243032） 摘 要：针对非局部均值图像去噪算法在边缘处权值的不合理性，结合双边滤波算法，改进了权值函数。分析了空域中各种去噪算法中权重计算方法，指出非局部均值算法中权重计算方法不能区分边缘两边图像块对边缘处图像块的差异。为了度量这种差异，本文算法借鉴双边滤波思想，强调图像块中心像素地位，改进了权重函数。大量去噪实验结果表明，本文算法去噪后的PSNR值比经典NLM算法有较大改进，比必威体育精装版改进NLM算法也有一定提高。 关键词：图像去噪；非局部均值；高斯白噪声；双边滤波 Non-local means denoising algorithm with enhanced weight function SHAN Jian-hua (Dept. mechanical engineering, Anhui University of Technology, ma’anshan, 243032) Abstract: The weight function of non-local means denoising method is with a certain degree of?irrationality at edge, which can not distinguish between the denoising role of the patches at the two sides of an edge. However, when the center pixel of the patch gets more attention, the different denoising role can be measured. In the light of bilateral filtering method, the weight function of non-local means method is revised. Experimental results on several images show that our new method greatly outperforms the classical non-local means method, meanwhile has certain advantage than the latest improved non-local means method. Keywords: image denoising; non-local means; gauss white noise; bilateral filtering 0 引 言 数字图像在采集、转换及传输过程中会不可避免地受到噪声的污染，造成图像质量的退化，使得图像的后期处理如分割、特征提取和目标识别等变得困难，因此图像去噪一直是图像处理领域的一个重要研究课题。许多实际噪声可以近似为高斯分布的白噪声，去除图像中叠加的高斯白噪声成为图像去噪研究的一个重要方向。理想去噪算法需达到如下几个目标[1]。 图像平滑区需尽可能光滑，噪声应该被完全滤除。 图像边缘和角点应该保留，不能被模糊或强化。 纹理细节不能丢失，这是最难达到的标准之一。 图像整体对比度不能改变。 去噪图像不能引入人造特征，如阶梯(staircase)和光环(ringing)。 为了寻找理想去噪算法，研究人员进行了长达几十年的研究，提出许多算法。目前以基于小波变换[2,3]和偏微分方程PDE[4,5]为两大类去噪算法。基于小波变换的去噪方法具有良好的保留纹理细节能力，但易引入光环人造特征。基于PDE的去噪算法利用梯度算子进行各向异性扩散，迭代进行，达到去噪和保留细节，但易引入阶梯人造特征。 传统的空域去噪算法是基于单个像素的灰度相似性如双边滤波[6]或单个像素的梯度信息如PDE方法，均不能很好地保留弱边缘和纹理细节。自从2005年Buades等提出非局部均值(Non-Local Means,NLM)去噪算法[7]，邻域相似性被广泛的应用在图像去噪中。由于NLM算法利用局部图像块(patch)信息，能比单个像素更好的表达图像结构信息，故其性能优于其他经典去噪算法，如双边滤波，PDE，全变差滤波[8]以及基于小波的方法等。 NLM算法基本思想是：当前像素值由图像中所有与它结构相似的像素加权平均得到。对于每个像素的权值，采用以它为中心的图像块与以当前像素为中心的图像块之间的高斯加权欧氏距离来计算。这样做的好处是在估计当前像素值时，局部结构上与它相似的像素权重较大，而结构相似像素上叠加的噪声是随机的，因而通