非局部算法在圖像去噪中的應(yīng)用.pdf

1、圖像去噪作為一種數(shù)字圖像相關(guān)應(yīng)用的重要預(yù)處理步驟，盡管它已經(jīng)被研究了近半個世紀(jì)，但仍然是最經(jīng)典和最富有挑戰(zhàn)性的課題之一。到目前為止，已經(jīng)有許多種圖像去噪算法被提出。其中絕大多數(shù)的算法都是以原始圖像的正則性假設(shè)為前提的，并且在去噪過程中圖像的許多細(xì)節(jié)都被光滑掉了。A.Buades等人提出的非局部均值算法有效地克服了這些弱點(diǎn)。
　　 非局部均值算法通過利用數(shù)字圖像中大量的冗余信息，建立待去噪像素點(diǎn)鄰域與搜索區(qū)域的像素點(diǎn)鄰域的相似函數(shù)

2、，計(jì)算搜索區(qū)域各像素點(diǎn)與待去噪像素點(diǎn)的相似度權(quán)重，然后對搜索區(qū)域內(nèi)的像素點(diǎn)進(jìn)行加權(quán)平均，從而得到去噪點(diǎn)的灰度值。該算法在紋理，邊緣信息的保持，以及去噪效果方面是目前最好的兩種算法之一，但由于非局部算法是從像素點(diǎn)到像素點(diǎn)逐個進(jìn)行處理的，故其計(jì)算復(fù)雜度較大。
　　 本文在非局部均值框架下，根據(jù)圖像自身的幾何特征，做了以下工作：
　　 1.本文引入了光滑樣條估計(jì)和廣義的交叉驗(yàn)證準(zhǔn)則，基于小波分解給出了更為精確的噪聲方差估計(jì)，這

3、為后續(xù)的去噪步驟提供了精確的去噪?yún)?shù)；
　　 2.本文在原有基于圖像鄰域的灰度值計(jì)算權(quán)重的方法上，引入了相應(yīng)的鄰域的高斯曲率，給出了更精確的權(quán)重計(jì)算方法，提出了非局部雙邊濾波算法；
　　 3.本文基于圖像幾何結(jié)構(gòu)的像素融合生長算法，給出了更為合理的搜索區(qū)域，提出了快速的非局部自適應(yīng)濾波算法；
　　 4.本文最后基于非局部算子的定義，介紹了和實(shí)現(xiàn)了前沿的非局泛函下的非局部全變差算法。
　　 大量的數(shù)值試驗(yàn)驗(yàn)