非局部均滤波要点.docVIP

PAGE \* MERGEFORMATI 非局部均值滤波去噪研究 目录 目录 TOC \o 1-3 \t \h \z \u 摘要 h I 第一章 引言 h 1 第二章 图像去噪技术 h 2 2.1 图像噪声的定义和分类 h 2 2.2 图像去噪技术的研究现状 h 2 2.3 图像质量评价标准 h 3 第三章 非局部均值滤波原理 h 5 3.1均值滤波 h 5 3.2非局部均值滤波 h 5 3.2.1非局部均值滤波基本原理 h 5 3.2.2非局部均值滤波存在的不足 h 6 3.2.3快速的非局部均值滤波算法 h 7 第四章 非局部均值滤波实验仿真 h 9 4.1非局部均值滤波MATLAB仿真 h 9 4.2 非局部均值滤波权重参数的影响 h 10 总结 h 14 参考文献 h 15 摘要 PAGE \* MERGEFORMATI 摘要 本文分析了非局部均值滤波(NLM)算法的优点和不足，提出了一种快速的非局部均值去噪算法。快速实现算法基于块的计算距离不变条件下使用的积分图像和快速傅里叶变换来实现。并且根据能使平均峰值信噪比(PSNR)达到最大的条件，在图像数据库计算NLM的最优参数，研究权重参数对滤波效果的影响，为自适应参数选择提供参考。 关键词：图像去噪；非局部均值；积分图像；快速傅里叶变换； 光电信息处理报告 第一章 引言 第一章 引言 图像中的每一个像素点都不是孤立存在的,而是与其周围的像素一起组成图像中的几何结构[1]。以像素点为中心的窗口邻域,也就是图像块,能够很好地体现像素点的结构特征,将图像中复杂的空间交互关系考虑在内。相应于每一个像素点的图像块的集合可以作为图像的一种过完备表示。同时,图像一般都具有自相似性质,即处于图像中不同位置处的像素点往往表现出很强的相关性,纹理图像就是一个典型的例子。自然图像中通常包含丰富的重复结构或者说是冗余信息,从图像中任取一个小窗口,都能够从该幅图像中找到许多与其相似的窗口结构。自然图像中也包含足够多的重复结构,比如在图像的平坦区域存在大量相似的像素点，位于同一条直线或曲线边界上的点也具有相似的邻域模式。该结论对于图像中空间位置相距较近的窗口来说显然是成立的,这就是局部规则性的假设。因此，如果采用能够描述图像结构特征的图像片来度量像素之间的相似性，会比单个像素点的度量更加准确，从而更好地保护图像的结构信息。最早注意到图像具有这一特性的是Efros和Leung，他们利用图像片之间的相似性进行纹理合成与填补图像中的小洞，该算法在图像的较大区域内寻找与待处理像素相似的像素[2]。2005年，Buades等人提出了非局部均值去噪算法首次阐述了非局部滤波的概念，用结构相似性来局部平滑以及变换域滤波的去噪方法,目的都在于去除噪声并且恢复图像的主要几何结构[3].这些方法都是建立在对原始图像所作的规则性假设的基础之上,因而图像中的精细结构与细节信息都因为具有与噪声相似的特征而被平滑定义像素之间的差异,能够更好地保护图像的结构信息,取得了目前先进的去噪结果。 第二章 图像去噪技术 第二章 图像去噪技术 2.1 图像噪声的定义和分类 生活中我们对噪声的理解是 “妨碍人们 感觉器官对所接收的 信源 信息理解的因素”。图像中也存在各种妨碍人们对其信息接受的因素，也就是我们所熟知的图像噪声。 噪声是影响数字图像质量的一个重要因素,它主要来源于图像的获取以及传输过程。在图像的获取过程中,成像传感器的性能会受到诸如外界环境条件、传感器元器件自身质量等许多因素的影响。 图像噪声按产生原因可以分成外部噪声和内部噪声；按声音幅度随时间分布形状来看，呈高斯分布的为高斯噪声，呈雷利分布的为雷利噪声；从噪声频谱形状的观点，频谱均匀分布的噪声成为白噪声，频谱与频率成反比的成为1/f噪声；由 图像传感器，传输信道，解码处理等会产生有 黑白相间亮暗点的椒盐噪声。由光的统计本质和 图像传感器中 光电转换过程引起的光电子噪声在弱光照的情况下，影响更为严重，常用具有 泊松密度分布的 随机变量作为光电噪声的模型，也就是泊松噪声。 2.2 图像去噪技术的研究现状 图像去噪属于图像复原技术的一种,是图像处理领域的一个经典问题。迄今为止,人们己经提出了许多种去噪方法[4],比如,按照不同学科的称谓,有基于概率理论的方法、基于统计理论的方法、基于偏微分方程的方法、线性及非线性滤波的方法、基于谱分析以及多分辨率分析的方法等。本节中,我们粗略地将其划分为基于变换域的去噪方法和基于空域的去噪方法,对这两类方法的发展现状及存在的问题分别进行讨论。 科研学者根据噪声的特性及信