改进与非局部均值图像去噪算法.docVIP

改进的非局部均值图像去噪算法 邓志全1） 关履泰1） 朱庆勇2） （1）中山大学 科学计算与计算机应用系，广州 510275，lnsglt@mail.sysu.edu.cn 2）中山大学工学院海洋研究中心，广州 510275） 摘 要: 图像去噪一直以来都是计算机图像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比较出色并引起广泛研究讨论的算法之一。本文在非局部均值算法的基础上提出改进方案，针对图像自身的特点自适应的取最优参数，同时大大的减低其运算量和时间。并从理论和算法程序等方面详细阐述了该加速算法的具体实现过程。最后论文给出加速算法在实际应用中的处理结果和优越性 关键词: 图像去噪; 非局部均值;整体变分法; PDE去噪模型;自适应求参;各向异性扩散 Improved Non-local Means Image Denoising Method DENG Zhi-quan1）, GUAN Lutai1）, ZHU Qing-yong2) (1）Department of Scientific ComputingComputer Application ,Sun Yet-sen University, Guangzhou 510275) (2)Ocean Engineering Research Certre,School of Engineering, Sun Yet-sen University ,Guangzhou510175) Abstract: Image denoising technology is one of the forelands in the field of Computer Graphic and Computer Vision; Non-local Means method is one of the great performing methods which arouse tremendous research. In this paper, we propose a novel improved Non-local Means algorithm which can select the optimal parameters and decrease the computational complexity. We also give the mathematical theory embedded and implementation in details. In the end, we present the main experiment results and its superiority in application. Keywords: Image denoising; Non-local Means;Total Variation Method;PDE denoising model;Adaptive Parameterize; Anisotropic diffusion 1 引言。虽然他们在具体的算法实现上面有着各自的差异，但是他们无不例外地都遵循着一条内含的主线：利用某些点集的颜色值做平均得到一些去噪系数来求得新的颜色值。除去一些经典去噪算法，近期讨论较多的有基于整体变分法的去噪模型，基于偏微分方程和非线性滤波算法的去噪模型，频域去噪算法，及非局部均值图像去噪算法。本文针对非局部均值算法的不足提出两方面的改进：1.通过预选择象素点对原算法加速，减低其算法复杂度；2.通过提出去噪参数选取算法求得自适应每个图像特点的最优去噪参数。 非局部均值去噪算法的确在去噪效果上面有着良好的表现，但是我们知道要完成不同象素点之间的相似度计算以及搜索会耗费非常大的计算机时间。同时，去噪参数的选取也对最后噪声去除的效果有着极大的影响。因为非局部均值去噪算法更大程度上是依赖每个图像自身的特点来进行去噪。因此对每个图像自身的最优参数选取非常的关键。下面我们从计算复杂度和自适应选取每个图像的最优去噪参数两方面，对原非局部均值去噪算法提出改进。 2 预选择象素点加速算法 对其算法复杂度进行分析，便知道非局部均值去噪算法的时间复杂度相当地大。我们假设算法中的相似窗大小为，我们把对相似窗的搜索局限于一个大小为的“搜索窗 ”中。设原图像大小为，则算法总的复杂度为 我们在很多的实验中取，所以总的时间复杂度为，对于一幅的图像，大概在一台普通PC上要运行30秒，如果用Matlab编程则可能更慢一点。针对非局部均值算法时间复杂度庞大的缺点我们提出预选象素加速