非局部算法在图像去噪中的运用.pdf

摘 要 摘摘摘 要要要 图像去噪作为一种数字图像相关应用的重要预处理步骤，尽管它已经被 研究了近半个世纪，但仍然是最经典和最富有挑战性的课题之一。到目前为 止，已经有许多种图像去噪算法被提出。其中绝大多数的算法都是以原始图像 的正则性假设为前提的，并且在去噪过程中图像的许多细节都被光滑掉了。A. Buades 等人提出的非局部均值算法有效地克服了这些弱点。 非局部均值算法通过利用数字图像中大量的冗余信息，建立待去噪像素点 邻域与搜索区域的像素点邻域的相似函数，计算搜索区域各像素点与待去噪像 素点的相似度权重，然后对搜索区域内的像素点进行加权平均，从而得到去噪 点的灰度值。该算法在纹理, 边缘信息的保持，以及去噪效果方面是目前最好的 两种算法之一，但由于非局部算法是从像素点到像素点逐个进行处理的，故其 计算复杂度较大。 本文在非局部均值框架下，根据图像自身的几何特征，做了以下工作： 1. 本文引入了光滑样条估计和广义的交叉验证准则，基于小波分解给出了 更为精确的噪声方差估计，这为后续的去噪步骤提供了精确的去噪参数； 2. 本文在原有基于图像邻域的灰度值计算权重的方法上，引入了相应的邻 域的高斯曲率，给出了更精确的权重计算方法，提出了非局部双边滤波算法； 3. 本文基于图像几何结构的像素融合生长算法，给出了更为合理的搜索区 域，提出了快速的非局部自适应滤波算法； 4. 本文最后基于非局部算子的定义，介绍了和实现了前沿的非局泛函下的 非局部全变差算法。 大量的数值试验验证了本文算法在纹理, 边缘信息的保持，以及去噪效果的 稳健性。 关关关键键键词词词：：：噪声方差；图像去噪；非局部均值算法；小波变换；全变差；ROF 模 型；非局部算子；分裂Bergman 算法。 I ABSTRACT ABSTRACT As an important preprocessing step in various digital image related applications, image denoising is still one of the most classical and challenging problems, although it has been studied for nearly half a century. So far, Many methods have been proposed for image denoising. However, the most of these methods are just underlying the regularity assumptions on the original image, and the details and the fine structure are smoothed out. Non-local means (NL-means) method which proposed by Buades et al Effectively overcomes those weaknesses. Digital images have a lot of redundant information ，Nonlocal Means method uti- lizes those information redundancy to compute the similarity between the noised point and those points in the searching region, then weights averagely the similar parts of an image to reduce the noise. This method produces state-of-art texture preserving, edge preserving and denoising performance, however, the computation cost is