基于非局部均值的圖像去噪應(yīng)用研究.pdf

1、圖像去噪技術(shù)的研究目前還是一個熱點難點問題。近年來學者已經(jīng)提出很多復(fù)雜巧妙的去噪算法，但大部分都只能局限于一定的適用范圍。也就是說，只有當圖像模型符合算法的假設(shè)時，才會取得很理想的去噪效果，在其它情況下往往效果不如人意。如何在去噪性能和保護圖像細節(jié)紋理之間保持平衡是圖像去噪的難點所在。
　　 A.Buades等人提出的非局部均值算法是目前研究最廣泛的去噪算法之一。原因在于該算法在去噪性能以及圖像紋理、邊緣信息的保持上同時具有非常

2、好的效果。非局部均值去噪算法主要利用數(shù)字圖像中存在大量的自相似塊這些冗余信息，通過建立待去噪像素點鄰域與搜索區(qū)域的像素點鄰域的相似性測度，計算搜索區(qū)域各像素點與待去噪像素點的相似度權(quán)重，然后對搜索區(qū)域內(nèi)的像素點進行加權(quán)平均，從而計算得到待去噪像素點新的灰度值。非局部算法的思想簡單卻十分可行，但是逐個像素點處理必然導(dǎo)致計算復(fù)雜度太大，因此還有很多改進的余地。
　　 本文基于非局部的思想，對非局部均值去噪進行了深入研究，并將其應(yīng)用到

3、具體實踐中，主要工作有：
　　 1.基于概率統(tǒng)計對信號相關(guān)噪聲模型及其參數(shù)估計進行研究，并對低照度條件下RAW圖像和高光譜遙感圖像進行建模。
　　 2.將泊松-高斯噪聲模型與非局部均值去噪算法結(jié)合，應(yīng)用于低照度條件下RAW圖像的去噪處理，在取得較好的去噪效果同時保持了細節(jié)區(qū)域。
　　 3.將非局部均值二維相似塊計算擴展到三維立方體相似塊計算，應(yīng)用于高光譜遙感圖像數(shù)據(jù)，取得很好的去噪效果并保持了細節(jié)區(qū)域。