利用预分类的非局部均值图像去噪算法研究-生物医学工程专业论文.docxVIP

万方数据 万方数据 上海交通大学硕士学位论文 上海交通大学硕士学位论文 利用预分类的非局部均值图像去噪算法研究 摘 要 数字图像一般都会含有噪声，噪声会给图像的视觉质量以及后续 处理带来影响。已经存在许多经典的图像去噪算法以及基于这些算法 的改进算法。但是这些算法并没有达到理想的效果，它们都有一定的 局限性。 A. Buades 等在 2005 年提出了非局部均值图像去噪算法(NLM, Non-local Means)，取得了比传统图像去噪算法更好的去噪效果。但是 NLM 算法存在着很严重的缺点，由于它是利用整幅图像中所有像素点 的加权平均来还原每个像素点，所以算法复杂度特别大，而且许多不 相似像素参与加权平均会引入不可忽视的累加误差。针对 NLM 的缺 点，已经存在许多改进方法，其中很重要的一个改进方法是预分类。 预分类不可避免的会出现误分类，这将对去噪结果带来较大的影响。 为了减少误分类带来的影响，本文在参考 M. Mahmoudi 和 P. Coupé 提出的预分类法的基础上，提出了利用相似窗的方差和相似窗 四个子部分的均值进行预分类的方法。精确的预分类可以排除不相似 像素点参与加权平均，减少权值的计算量而提高计算速度，同时可以 减少不相似像素点引入的累加误差，提高去噪效果。本文最后进行了 实验验证，通过峰值信噪比和计算时间对比了原始 NLM 方法，利用 P. Coupé 等提出的预分类法的改进 NLM 和本文的改进方法，实验结果 表明本文提出的方法总是能够得到最高的信噪比，且去噪时间比原始 NLM 算法更少。接着通过视觉效果和方法噪声对比了全变差方法，原 始 NLM 方法，利用 P. Coupé 等提出的预分类法的改进 NLM 和本文提 出的方法，实验结果表明，全变差方法和原始 NLM 对应的方法噪声 中含有比较明显的图像信息，利用 P. Coupé 等提出的预分类法的改进 I NLM 得到的图像中含有比较明显的噪声，而本文提出的方法能够在保 留图像细节的同时更比较彻底的去除噪声。可以说，本文提出的改进 NLM 能够在比原始 NLM 更短的时间里更好的去除高斯加性噪声。 关键词：图像去噪，非局部均值，NLM，预分类 II A RESEARCH ON NON-LOCAL MEANS IMAGE DENOISING ALGORITHM USING PRE-CLASSIFICATION ABSTRACT Digital images are inevitably corrupted by noise, which will affect their visual qualities and post-processing. A lot of researchers have made a great contribution to image denoising and proposed some classical algorithms and their improvements. But all these methods have some limitations and cannot get the desired results. Non-local means(NLM) was proposed by A. Buades et al. in 2005, which has been proved that can get better results than conventional algorithms in image denosing. However, unlike other algorithms, NLM uses a weighted average of all the pixels in the image to recover every pixel, so it is extremely complex. What’s more, many dissimilar pixels are used in weight average will degrade the quality of the denoised image. Some improvements have been proposed to overcome NLM’s shortcomings, among which one of the most important is pre-classification. Inaccurate classification cannot be avoided when using pre-classification that has