基于改进迭代非局部平均滤波的图像去噪.docVIP

莀袄袀肇蒃蚇螆肆蚅葿膄肆莄螅肀肅蒇薈羆肄蕿螃袂肃艿薆螈膂莁螁肇膁蒃薄羃膀薆螀罿膀莅薃袅腿蒈袈螁膈薀蚁肀膇芀袆羆膆莂虿袁芅蒄袅螇芄薇蚇肆芄芆蒀肂芃葿蚆羈节薁蕿袄芁芀螄螀芀莃薇聿艿蒅螂羅莈薇薅袁莈芇螁螇莇荿薃膅莆薂蝿肁莅蚄蚂羇莄莄袇袃羁蒆蚀蝿羀薈袅肈聿芈蚈羄肈莀袄袀肇蒃蚇螆肆蚅葿膄肆莄螅肀肅蒇薈羆肄蕿螃袂肃艿薆螈膂莁螁肇膁蒃薄羃膀薆螀罿膀莅薃袅腿蒈袈螁膈薀蚁肀膇芀袆羆膆莂虿袁芅蒄袅螇芄薇蚇肆芄芆蒀肂芃葿蚆羈节薁蕿袄芁芀螄螀芀莃薇聿艿蒅螂羅莈薇薅袁莈芇螁螇莇荿薃膅莆薂蝿肁莅蚄蚂羇莄莄袇袃羁蒆蚀蝿羀薈袅肈聿芈蚈羄肈莀袄袀肇蒃蚇螆肆蚅葿膄肆莄螅肀肅蒇薈羆肄蕿螃袂肃艿薆螈膂莁螁肇膁蒃薄羃膀薆螀罿膀莅薃袅腿蒈袈螁膈薀蚁肀膇芀袆羆膆莂虿袁芅蒄袅螇芄薇蚇肆芄芆蒀肂芃葿蚆羈节薁蕿袄芁芀螄螀芀莃薇聿艿蒅螂羅莈薇薅袁莈芇螁螇莇荿薃膅莆薂蝿肁莅蚄蚂羇莄莄袇袃羁蒆蚀蝿羀薈袅肈聿芈蚈羄肈莀袄袀肇蒃蚇螆肆蚅葿膄肆莄螅肀肅蒇薈羆肄蕿螃袂肃艿薆螈膂莁螁肇膁蒃薄羃 基于改进迭代非局部平均滤波的图像去噪( 冯象初 郝彬彬 朱见广 （西安电子科技大学 理学院， 陕西 西安 710071） 摘要: 针对图像去噪问题，本文提出了一种新的迭代非局部平均滤波的方法。对于提出的迭代非局部平均滤波的方法，权系数的计算以及加权平均所用的图像均是由迭代更新得到的图像所决定的。权系数是由每次迭代更新得到的图像的像素值的相似性所决定的，同时对每次迭代更新后得到的图像进行加权平均。我们还证明了该迭代方法满足极大极小原则。实验结果表明，该方法去噪的同时能较好的保持图像的边缘以及细小结构。 关键词：非局部滤波；加权平均；扩散方程；图像去噪 Image denoising based on improved iterative non-local means filter FENG Xiang-chu HAO Bin-bin (School of Science, Xidian Univ. , Xi’an 710071, China) Abstract: In this paper, an iterative non-local means filter for image denoising is proposed. For this iterative non-local means filter, the updated image is used for the computation of the value of the weight function and the averaging of the image. The value of the weight function is based on the similarity of the grey pixel values of the updated image, and for each iteration the weighted averaging is over the updated image. The max-min principle is also guaranteed for the proposed iterative non-local means filter. Numerical examples illustrate that the proposed method well removes noise while preserves image edges and fine details. Keywords: non-local means filter; weighted averaging; diffusion equation; image desnoising 图像处理中图像去噪是人们一直致力于研究的问题。通常，一个较好的去噪方法应该是在去除噪声的同时又能较好的保留图像的原有信息以及对比度的清晰。传统的图像去噪方法，如中值滤波、高斯滤波等，主要将图像的高频成份滤除，所以得到的重构图像细节以及纹理区域比较模糊了。 偏微分方程（PDE）[1, 2]以及总变分[3, 4]的方法近些年来在数学图像处理中得到了广泛应用。最典型的为图像去噪的PM扩散模型以及有界变差模型。在变换域上的图像去噪模型，如维纳滤波[5]以及小波阈值[6]的方法也得到了很好的发展。2002年，Y. Meyer [7] 研究了适合对图像恢复以及图像分解的一系列泛函空间并提出了相应的能量极小化模型。但是，这些模型基本上是基于图像周围点像素的信息，并且在求解这种能量极小化的问题通常是通过扩散方程来求解的。因而在某种程度上，图像的细节结构以及纹理特征会有所损失，重构得到的图像边缘比较模糊。 近几年来，非局部