基于方向增强邻域窗和非下采样Shearlet描述子的非局部均值图像去噪.pdfVIP

第33 卷第11 期 电 子 与 信 息 学 报 Vol.33No.11 2011 年11 月 Journal of Electronics Information Technology Nov. 2011 基于方向增强邻域窗和非下采样Shearlet 描述子的非局部均值图像去噪 张小华*① 陈佳伟① 孟红云② 焦李成① 孙 翔① ①(西安电子科技大学智能感知与图像理解教育部重点实验室 西安 710071) ②(西安电子科技大学应用数学系 西安 710071) 摘 要：非局部均值(Non-Local Means, NLM)是一种有效的图像去噪方法。然而它仅关注图像的几何结构信息而 忽略了图像表面模型和方向信息，其相似性度量鲁棒性差。针对这些缺点，该文首先提出了一种基于非下采样的 Shearlet 的描述子(NSSD)，它能更好地描述图像块的特征，基于此构造的相似性度量具有较强的鲁棒性。本文基 于此描述子与非局部计算模型提出了一种更加有效的非局部均值去噪算法(SNLM)。其次，针对明显包含纹理和方 向的图像块，提出了一种方向增强邻域窗，使得邻域窗内主导方向像素点在相似度计算中权重增加。实验结果证明， 新方法在自然图像去噪中优于传统的NLM 算法。特别地，对于纹理图像去噪，基于方向增强邻域窗的算法，能够 在去除噪声的同时很好地保留纹理边缘等细节信息。 关键词：图像处理；非局部均值；非下采样Shearlet 描述子；方向增强邻域窗 中图分类号：TN911.73 文献标识码： A 文章编号：1009-5896(2011)11-2634-06 DOI: 10.3724/SP.J.1146.2011.00221 A Non-local Means Filter Image Denoising with Directional Enhancement Neighborhood Windows and Non-subsampled Shearlet Feature Descriptors ① ① ② ① ① Zhang Xiao-hua Chen Jia-wei Meng Hong-yun Jiao Li-cheng Sun Xiang ① (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an 710071, China) ② (Department of Applied Mathematics, Xidian University, Xi’an 710071, China) Abstract: Non-Local Means (NLM) filter is an effective method for image denoising. However, it only focuses on the geometry structure of image, ignoring the appearance model and directional information. In this paper, a new Non-Subsampled Shearlet Descriptor (NSSD)