非局部圖像去噪方法及其應用研究.pdf

1、圖像去噪是圖像處理和計算機視覺中的一個基礎課題。圖像去噪的目的是從噪聲圖像中恢復不含噪聲的原始圖像同時盡可能多的保持圖像中的細節(jié)信息?，F(xiàn)有的圖像去噪方法分為局部方法和非局部方法兩種，其中非局部均值方法是最近提出的一種全新圖像去噪策略。本文通過深入研究非局部均值方法中存在的一些不足提出了幾種對非局部均值的改進算法，獲得了比原非局部均值方法和一些改進的非局部均值方法更好的去噪結果。此外，本文還研究了圖像中脈沖噪聲去除問題，并擴展非局部均值方

2、法去除圖像中的脈沖噪聲，獲得了比其它脈沖噪聲去除方法更好的去噪效果。本文的主要研究內容體現(xiàn)在以下幾個方面:
　　 1.深入研究了基于預選擇的非局部均值去噪方法，指出已有方法在提取圖像片特征方面的不足。利用梯度域奇異值分解提出了一種自適應的有效非局部均值圖像去噪方法。提出的方法對基于預選擇的非局部均值方法的貢獻主要有:1）設計了一個魯棒的結構描述子;2）分析了相似集大小與去噪性能的關系;3）相似圖像片的自動選取;4）相似權重參數(shù)的

3、局部自適應選取方法。實驗結果表明:提出的方法取得了比原非局部均值方法以及其它基于預選擇的非局部均值方法更好的去噪結果，獲得了去噪效果與運行速度之間較好的平衡。
　　 2.深入研究了非局部均值方法在相似性度量方面存在的不足，提出了一種基于自適應高斯核的非局部均值圖像去噪方法。利用自適應高斯核提供的圖像局部結構信息設計了一個新的圖像片相似性度量方法，新的度量方法包括兩個部分:1）旋轉匹配圖像片相似性比較:2)基于自適應高斯核的相似距

4、離。提出的方法能夠魯棒地度量圖像片之間的相似性，甚至它們以旋轉的方式出現(xiàn)，因此在加權平均過程中能夠發(fā)現(xiàn)更多的相似像素，從而獲得較好的去噪結果。實驗結果證明了提出的相似性度量方法是有效的，獲得了比原非局部均值方法以及其它一些方法更好的去噪結果。
　　 3.系統(tǒng)研究了圖像中脈沖噪聲去除問題，提出了一種基于非局部均值的通用圖像脈沖噪聲濾波器。在噪聲檢測階段，采用極值壓縮順序階絕對差(ECROAD)的統(tǒng)計方法檢測脈沖噪聲。在濾波階段，聯(lián)

5、合ECROAD結果與非局部濾波框架提出了一種通用圖像脈沖噪聲濾波器。設計的脈沖權能夠較好地避免相似權計算和加權平均過程中噪聲像素的影響，而基于圖像片的相似性度量能夠在噪聲像素和其鄰域像素之間提供較高的相關性，從而能夠更好地抑制噪聲和保持細節(jié)。實驗結果表明:提出的方法能夠抑制任何類型的脈沖噪聲和混合脈沖噪聲，其去噪結果明顯優(yōu)于其它通用脈沖噪聲濾波器和一些專門為某一類型脈沖噪聲而設計的濾波器。
　　 4.提出了兩個用于抑制圖像中椒鹽

6、噪聲的濾波器，即噪聲自適應邊緣保持濾波器(NAEPF)和噪聲自適應開關雙邊濾波器(NASBF)。在噪聲檢測階段，圖像的兩個灰度極值被用來識別可能的噪聲像素。在濾波階段，NAEPF首先被用來抑制噪聲和保持細節(jié)，它采用了三個不同的濾波技巧，即開關濾波、邊緣保持濾波和噪聲自適應中值濾波。開關濾波能夠保持非噪聲像素不被改變;邊緣保持濾波能夠保持較多的圖像細節(jié);噪聲自適應中值濾波能夠抑制高水平椒鹽噪聲。然后，聯(lián)合噪聲檢測結果與NAEPF估計提出了