一种改进的非局部均值图像去噪算法
基于马氏距离的改进非局部均值图像去噪算法
第28卷第3期 2016年3月计算机辅助设计与图形学学报Journal o f Computer-Aided Design & Computer GraphicsVol.28 No.3M ar.2016基于马氏距离的改进非局部均值图像去噪算法阴盼强义路东明 '袁渊2)南京理工大学电子工程与光电技术学院南京210094)2>(微光夜视技术重点实验室西安710065)(yinpanqiang@)摘要：通过对原非局部均值(NLM)图像去噪算法进行改进，提出一种利用马氏距离作为衡量图像像素点相似性的 非局部均值图像去噪算法.首先针对样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离；然后对图像数 据进行相关性分析和降维处理，提取数据主成分，简化特征空间中马氏距离的计算方法；最后利用此马氏距离生成 高斯加权核函数，对图像进行去噪.采用一系列加有噪声的典型图像对文中算法进行实验，证明了该算法可获得比 原NLM图像去噪算法更好的去噪效果；利用多组数据对文中算法中的滤波参数A进行分析，得到噪声方差与滤波参 数A的关系式，可以获得接近于改进图像去噪算法的最佳去噪性能.关键词：非局部均值算法；马氏距离；图像去噪中图法分类号：TP751.1An Improved Non-local Means Image De-noising Algorithm Using Mahalanobis DistanceY in Panqiang1)，Lu Dongm ing1),and Yuan Yuan2)^ (School o f E lectronic and Optical Engineering, Nanjing University o f S cience & Technology, Nanjing210094)2) (Science and Technology on Low-Light-Level Night Vision Laboratory, Xi 'an710065)A bstract:An improved non-local means(N LM)image denoising algorithm is proposed,which uses Mahalanobis distance to measure the sim ilarity between the image pixels.Firstly,calculating the Mahalanobis distance between the image pixels in the eigenspace since the Mahalanobis distance is not robust in the sample space.Secondly,the image data is analyzed w ith the principal component analysis method,thus the Mahalanobis distance equation is sim plified.F inally,the improved N LM image denoising algorithm is obtained w ith the Gaussian weighted kernel function which is composed o f the sim plified Mahalanobis distance.The experimental results on several typical images show that the improved N LM algorithm can achieve better denoising effect than the original N LM algorithm w ith a variety o f image quality evaluation method.The filte r parameter in the improved N LM denoising algorithm is analyzed in details and the equation between the filte r parameter and the image noise variance is estimated.Based on the equation,the experimental results achieve nearly best denoising performance o f the improved filte rin g algorithm.Key words:non-local means algorithm;Mahalanobis distance;image de-noising收稿日期：2015-03-06;修回日期：2015-07-24.基金项目：微光国家重点实验室基金.阴盼强(1990_)，男，硕士研究生，主要 研究方向为红外微光数字图像处理；路东明(1976—)，男，硕士，讲师，主要研究方向为光电探测与图像工程；袁渊(1986—)，男，硕士研究生，主要研究方向为微光器件总装集成技术.第3期阴盼强，等：基于马氏距离的改进非局部均值图像去噪算法405图像是人类感知世界、获取信息、传递信息的 重要手段，图像信息在获取、传递和记录的过程中 会受到大量噪声的干扰[1].图像中广泛存在的一类 噪声是完全随机叠加在图像中的近似呈高斯分布 的白噪声，去除这类噪声是图像去噪研究的基础. 因为去除高斯白噪声的研究不仅会对去除其他类 噪声有重要的借鉴作用，而且对大多数噪声的处 理最终会归结到对高斯白噪声处理的问题上[2].对图像中髙斯白噪声的处理已经有许多经典 算法，如高斯滤波、均值滤波和中值滤波等算法. 但这些算法会造成图像中细节信息的丢失，并且 在噪声较大时并不能获得令人满意的去噪效果.近 年来，浦现出一些新型的去噪算法，如小波阈值去 噪(也称小波萎缩法)[3]、全变法(total variation,TV)图像去噪、基于偏微分方程(partial differential equation, PDE)的非线性扩散图像去噪、非局部均值(non-local means,N LM)滤波、三维块匹配(block matching3D, B M3D)去噪等[4].其中，由8仙(168等[5-6]于2005年提出的N L M图像去噪算法是一种与其他去噪方法 截然不同的图像去噪方法，它充分利用白噪声均 值为零的性质和图像内的图像块存在局部相似性 的性质，通过对相似像素进行加权平均来估计像 素的真实值，获得了良好的图像去噪效果.然而，N L M图像去噪算法的一个不足之处是 计算量较大，它同时计算了2个像素的像素值相似 度和结构相似度，需要考虑2个像素周围一定区域 内多个像素；另外一个不足来自于利用2个像素间 的欧氏距离计算像素权值.欧氏距离是一种对不 同样本数据进行相似性度量的方法，该方法虽然 简单，但也有明显的缺陷：它没有考虑不同样本分 布的不同，也不能排除数据间相关性的干扰，因此 影响了 N L M图像去噪算法获得更好的图像去噪效果[7-9]本文针对N L M图像去噪算法的第二个不足，提 出了一种基于马氏距离的改进N L M图像去噪算法 (improved non-local means,IN L M),获得了 明显优 于原N L M图像去噪算法最佳性能的图像去噪效果. 根据仿真实验数据，对所提算法中的滤波参数办进行 分析，得到了滤波参数A与图像噪声方差的关系式.1 N L M图像去噪算法N L M图像去噪算法是在图像全域内搜索与目 标点相似的所有像素，通过加权平均估算像素点的方法.相似像素之间不仅像素值相似，邻域结构 也相似[1<)].其具体处理过程如下：给定一幅带噪声的图像rC/}，经过N L M图像去噪算法滤波后得到图像 N L M.对图像中某个像素i,按坐标M的窗 口邻域内的像素的灰度值对f进行加 权平均，为窗口邻域内其他像素的坐标.其中，是坐标为的像素的灰度值,w(x,■，乃,',。
非局部均值图像去噪算法研究
摘要 ： 图像去噪一直都是计算机 图形处理和计算机视 觉中的一 个研 究热点， 中非局部化均值算 法是近年 来去噪 效果 出 色的算法 其 之一 ， 是非局部 均值 算法容 易导致细节模糊 ， 但 该文基 于指数加权函数的基础 上引进 了余 弦函数 ， 出了一种改进的非局部均值 图 提
像去噪方法 ， 通过 实验表明 ， 该文的改进 算法比传统的算法更能保持 细节。 关键词 ： 图像 处理 ； 非局部均值算法； 图像去噪 ； 高斯噪声
Ａｂ ｔ ａ ｔ Ｉ ｇ ｅ ｏ ｓ ｇ ｈ ｓａ ｙ ｅ ｎ ａｈ ｔｉ ｕ ｎ Ｃｏ ｕ ｅ ａ ｈ ｃ ａ ｄ Ｃｏ ｕ ｅ ｓ ｎ Ｎｏ — ｏ ａ Ｍ ｅ ｎ ｔ ｏ ｓｏ ｅ ｏ ｓｒ ｃ ｍａ ｅ ｄ ｎ ｉ ｎ ａ ｌ ｉ ｉ ｗａ ｓｂ ｅ ｏ ｓ ｅ ｉ ｍｐ ｔｒ Ｇｒ ｐ ｉ ｎ ｍｐ ｔｒＶｉ ｏ ． ｓ ｉ ｎ ｌｃｌ ａ ｓｍｅｈ ｄ ｉ ｎ ｆ
ｔ ｅ ｔｐｅ ｏ ｍ ｉ ｇ ｅ ｈ ｓｗｈｉｈ ａ ｏ ｅｔｅ ｅ ｈｅｇｒ ａ ｒ ｒ ｎ ｍ ｔ ｏｄ ｆ ｃ ｒ ｕｓ ｒ ｍ ｎｄｏ ｅ ｅ ｒ ｈ． ｍ ｉ ｇ ａ ｈｅｐｒ ｂｌｍ ｆｂ ｕ ｓｔ ｅ ａｌ ｎ ｏｒｇ ｎ ｏｎ—ｌ ｃ ｌｍ ｅ ｎ ｌ ｕｓｒ ｓ ａｃ ． Ａｉ ｎ ｔｔ ｏ ｅ ｏ ｌ ｒ ｈｅ ｄ ｔｉ ｉ ｉ ｉ ａ ｎ ｓ ｌ ｏ ａ ａ ｓａ—
中图分类号 ： Ｐ ８ 文献标识码 ： 文章编号 ：０ ９ ３ ４ （０ ２２ — ４ ８ ０ Ｔ １３ Ａ １０ － ０４２ １ ）２ ５ — ２
Ｔｈ ｎ ｃ ｌ ｅ ｎ ｎ ｉｉ ｇ Ｒｅ ｅ ｒ ｈ ｅＮｏ Ｌｏ ａ ａ ｓＤｅ ｏ ｓｎ ｓ ａ ｃ Ｍ
ＬＩ ｕｏ—ｙａ Ｕ Ｚｈ
Ｉ Ｎ ０ ９ ３ ４ ＳＳ １ ０ － ０ ４
一种改进的非局部均值图像去噪算法
一种改进的非局部均值图像去噪算法刘晓明，田 雨，何 徽，仲元红(重庆大学通信工程学院，重庆 400030)摘 要：传统非局部均值滤波算法中使用指数型加权核函数，容易导致图像细节因过度平滑而变得模糊。
为此，在指数型加权核函数的基础上，采用余弦系数加权的高斯核函数，设计一种改进的非局部均值图像去噪算法，并将其应用于加权系数计算中。
实验结果表明，该算法的去噪性能优于传统算法，且能更好地保留原图像的细节信息，峰值信噪比最大可以提升1.6 dB 。
关键词：图像处理；图像去噪；非局部均值；加权平均；高斯噪声；加权核函数Improved Non-local Means Algorithm for Image DenoisingLIU Xiao-ming, TIAN Yu, HE Hui, ZHONG Yuan-hong(College of Communication Engineering, Chongqing University, Chongqing 400030, China)【Abstract 】Aiming at the problem of the over-smoothness and blurs the details, which are caused by exponential kernel function used in original non-local means algorithm, this paper proposes a cosine Gaussian kernel function based on exponential kernel function and combined with a cosine coefficient and Gaussian kernel. It is used in the weight-computing of the improved algorithm. Experimental results show the algorithm has a superior denoising performance than the original one, especially with detail information in the image, and PSNR can be improved by 1.6 dB at most.【Key words 】image processing; image denoising; non-local means; weighted average; Gaussian noise; weighted kernel function DOI: 10.3969/j.issn.1000-3428.2012.04.065计 算 机 工 程Computer Engineering 第38卷 第4期 V ol.38 No.4 2012年2月February 2012·图形图像处理· 文章编号：1000—3428(2012)04—0199—03文献标识码：A中图分类号：TP3911 概述图像去噪是图像处理领域中最基础和广泛研究的热点问题。
一种用于图像去噪的非局部算法
一种用于图像去噪的非局部算法摘要我们提出了一种新的方法噪声方法来评估和比较数字图像去噪方法的性能。
我们首先计算和分析这种方法噪声的一大类去噪算法，即局部平滑滤波器。
其次，基于图像中所有像素的非局部平均，我们提出了一种新的算法- 非局部均值（NL-means）。
最后，我们介绍一些比较NL均值算法和局部平滑滤波器的实验。
1.介绍图像去噪方法的目标是从噪声测量中恢复原始图像，其中v（i）是观测值，u（i）是“真”值，n（i）是像素i处的噪声扰动。
模拟噪声对数字图像影响的最简单方法是添加高斯白噪声。
在那种情况下，n（i）是i.i.d. 具有零均值和方差σ2的高斯值。
已经提出了几种方法来消除噪音并恢复真实的图像。
尽管它们在工具上可能有很大不同，但必须强调的是，广泛的类别具有相同的基本评论：去噪是通过平均来实现的。
这种平均可以在本地进行：高斯平滑模型（Gabor [7]），各向异性过滤（Perona-Malik [11]，Alvarez等人[1]）和邻域过滤（Yaroslavsky [16]，Smith 等人。
[14]，Tomasi等人[15]）通过变分计算：总变差最小化（Rudin-Osher-Fatemi [13]）或频域中：经验维纳滤波器（Yaroslavsky [16] ）和小波阈值法（Coiffman-Donoho [5,4]）。
在形式上，我们定义了一个降噪方法Dh作为分解其中v是噪声图像，h是通常取决于噪声标准偏差的滤波参数。
理想情况下，Dhv比v更平滑，n（Dh，v）看起来像是白噪声的实现。
光滑部分与非光滑部分或振荡部分之间的图像分解是当前研究的主题（例如Osher等人[10]）。
在[8]中，Y.Meyer研究了适合这种分解的功能空间。
后一个研究的主要范围不是去噪，因为振动部分包含噪音和纹理。
去噪方法不应改变原始图像u。
现在，大多数去噪方法会降低或消除u的细节和纹理。
为了更好地理解这种移除，我们将介绍和分析方法噪声。
一种改进权重的非局部均值图像去噪方法
一种改进权重的非局部均值图像去噪方法黄玲俐【期刊名称】《计算机技术与发展》【年(卷),期】2016(026)006【摘要】非局部均值( Non-Local Means,NLM)去噪采用图像邻域间的自相似性构造权重,进而达到图像恢复的效果。
文中对非局部均值去噪模型进行了介绍说明,尤其是对原始非局部均值去噪算法中的核函数—指数函数进行了描述,并且通过对几种新的加权核函数的分析说明,综合几种的优缺点,提出了一种新的加权核函数。
然后又对双边滤波算法进行了研究说明,借鉴双边滤波的优点,再结合之前提出的新的加权核函数,进而得到了一种改进的权重函数,提出了一种新的权重计算公式,得到了一种改进的非局部均值去噪算法。
通过对添加不同噪声水平的噪声图像进行实验,结果表明,与传统的非局部均值滤波算法相比,文中算法保护了恢复图像的边缘,突出了几何特征和纹理,去噪效果比原有算法有所提高,在去噪性能和结构信息上均有显著效果。
%The NLM denoising uses self-similarity of image between neighborhood to construct weight,thus to achieve the effect of image restoration. The non-local means denoising model is introduced in this paper,especially for the exponential function which is the kernel function in the original non-local means denoising algorithm. And through the analysis of several new weighted kernel function,integrat-ed the advantages and disadvantages of them,a new weighted kernel function is put forward. Then research on the bilateral filtering algo-rithm,reference of its advantages,and combined with new previous kernel function,animproved weighted function is obtained,proposing a new formula of weight,getting an improved non-local means denoising algorithm. The proposed method has been evaluated on testing images with various levels noise. Numerical results show that compared with the traditional non-local means algorithm, the improved method can protect the edges,highlight the geometry features and texture,make the denoising image become more clear and result in a better effect. The proposed method improves the denoising performance as well as the preservation of structure information.【总页数】4页(P16-19)【作者】黄玲俐【作者单位】电子科技大学数学科学学院，四川成都 611731【正文语种】中文【中图分类】TP301【相关文献】1.一种快速非局部均值图像去噪方法 [J], 伍世虔;杨超;蒋俊;曾良才2.一种基于多通道联合估计的非局部均值彩色图像去噪方法 [J], 王翔;干宗良;陈昌红;刘峰3.非局部均值的彩色图像去噪方法改进 [J], 张丽红;焦韶波4.一种快速非局部均值图像去噪方法 [J], 伍世虔;杨超;蒋俊;曾良才;5.一种改进权重的非局部均值图像去噪算法 [J], 赵庆平;陈得宝;姜恩华;方振国因版权原因，仅展示原文概要，查看原文内容请购买。
图像去噪的改进迭代非局部平均滤波方法
图像 处理 中图像 去噪是 人们一 直致力 于研究 的 问题 ． 常 ， 通 一个 较好 的去噪方 法应该 是在 去除噪声 的同 时又能较 好地保 留 图像 的原有 信息 以及对 比度 的清晰． 统 的图像去 噪方法 ， 中值 滤波 、 传 如 高斯滤 波等 ， 主要 是 将 图像 的高频 成份滤 除 ， 以得 到的重构 图像细 节 以及 纹理 区域 比较模糊 ． 所 偏微 分方程 （ Ｄ ）１］ Ｐ Ｅ ［２以及总 变分［ ］ － ３ 的方 法近 些年 来 在数 学 图像 处理 中得 到 了广泛 应 用． 典 型 的为 最
２１ ０ ０年 ８ 月 第 ３ ７卷 第 ４期
西 安 电子 科 技 大 学 学 报 （ 自然 科 学 版 ）
Ｊ０ＵＲＮＡＬ ０Ｆ ＸＩ ＡＮ ＵＮＩ ＤＩ ＶＥＲ Ｓ ＴＹ Ｉ
Ａｕ ． ０ ０ ｇ ２ １
Ｖ０ ． ７ ＮＯ ４ １３ ．
图像 去 噪 的 改进 迭 代 非 局部 平 均滤 波 方 法
（ ｃ ｏ ｌ ｆＳ ｉｎ ｅ Ｓ ｈ ｏ ｃｅ ｃ ，Ｘｉｉ ｎ Ｕｎ ｖ． ｏ ｄ ａ ｉ ，Ｘｉ ｎ ７ ０ ７ ，Ｃ ｉ ａ ’ １０ １ ａ ｈｎ ）
Hale Waihona Puke Ａｂ ｔ ａ ｔ Ａｎ ｉｅ ａ ｉ ｅｎ ｎ ｌ ｃ ｌ ａ ｓｆ ｔ ｒｆ ｒｉ ｇ ｅ ｏ ｓｎ ｓｐ ｏ ｏ ｅ ．Ｆ ｒｔ ｅ ｐ ｏ ｏ ｅ ｔ ｏ ｓｒ ｃ ： ｔ ｒ ｔ ｏ －ｏ ａ ｖ ｍｅ ｎ ｉ ｅ ｏ ｌ ｍａ ｅｄ ｎ ｉｉ ｇ ｉ ｒ ｐ ｓ ｄ ｏ ｈ ｒ ｐ ｓ ｄｍｅ ｈ ｄ，
ｐ ｏ ｏ ｅ ｉ ｒ ｔｖ ｎ ｎ ｌｃ ｌ ｒ ｐ ｓ ｄ ｔ ａ ｉ ｅ ｏ －ｏ ａ ｍｅ ｎ ｆｌ ｒ Ｎｕ ｒｃ ｌ ｘ ｍｐ ｅ ｉ ｕ ｔ ａ ｅ ｈ ｔ ｈ ｐ ｏ ｏ ｅ ｍｅ ｈ ｄ ｅ ａｓ ｉｅ． ｔ ｍｅ ｉａ ｅ ａ ｌ ｓ ｌ ｓ ｒ ｔ ｔ ａ ｔ ｅ ｒ ｐ ｓ ｄ ｌ ｔｏ ｒ ｍｏ ｅ ｏ ｓ ｌ ｗｈ ｌ ｒ ｓ ｒ ｉ ｇ ｉ ｇ ｄ ｅ ｎ ｉｅ ｄ ｔ ｉ ． ｅ ｖ ｓｎ ｉｅ ｗｅｌ ｉ ｐ ｅ ｅ ｖ ｎ ｍａ ｅ ｅ ｇ ｓ ａ ｄ ｆ ｅ ａｌ ｅ ｎ ｓ Ｋｅ ｏ ｄ ： ｎ ｎ ｌ ｃ ｌｍｅ ｎ ｉ ｅ ；ｗｅｇ ｔ ｄ ａ ｅ ａ ｉ ｇ；ｄ ｆｕ ｉ ｎ ｅ ｕ ｔ ｎ；ｉ ｇ ｅ ｎ ｉｉ ｇ ｙ Ｗ ｒ ｓ ｏ － ａ ａ ｓ ｆ ｔ ｒ ｏ ｌ ｉｈ ｅ ｖ ｒ ｇ ｎ ｉ ｓ ｑ ａｉ ｆ ｏ ｏ ｍａ ｅ ｄ ｓ ｏ ｓｎ
一种改进的非局部平均图像去噪算法
一种改进的非局部平均图像去噪算法许光宇;李玲【摘要】传统非局部平均NLM(Non-Local Means)图像去噪算法的像素相似性度量可靠性较差,其关键滤波参数选取与优化值偏差较大.针对上述问题,提出一种改进的NLM图像去噪算法.首先,滤除方法噪声中的噪声分量,保留有用图像信息;然后,联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数,更好地利用原图像的信息;最后,采用噪声标准差二次函数的方式设置滤波参数,相比于传统的线性正比方式选取参数,这种选取方式在不同噪声强度下均能获得较优的参数值.对几个标准测试图像的去噪结果表明,提出的改进NLM算法获得了较好的去噪效果,优于相比较的其他几种方法.%The pixel similarity measure of the traditional NLM image denoising algorithm is less reliable, and its key filter parameter selection and optimization value deviation is larger.Aiming at the above problems, an improved NLM image denoising algorithm is proposed.First, noise component in method noise is filtered, meanwhile preserving useful image information.Secondly, combined denoising result and the processed method noise, it is redefined the similarity function of the NLM algorithm to make better use of the original image information.Finally, the filter parameters are set by the noise standard deviation quadraticpared with the traditional linear proportional mode, the selection method can obtain better parameter values under different noise intensity.The denoising results of several standard test images show that the improved NLM algorithm achieves better denoising effect, which is superior to the comparison method.【期刊名称】《计算机应用与软件》【年(卷),期】2017(034)007【总页数】6页(P149-153,197)【关键词】图像去噪;非局部平均;方法噪声;参数优化【作者】许光宇;李玲【作者单位】安徽理工大学计算机科学与工程学院安徽淮南 232001;安徽理工大学计算机科学与工程学院安徽淮南 232001【正文语种】中文【中图分类】TP391图像在生成、获取和传输过程中经常受到噪声的干扰。
一种改进的非局部平均去噪方法
一种改进的非局部平均去噪方法
孙伟峰;彭玉华
【期刊名称】《电子学报》
【年(卷),期】2010(038)004
【摘要】对非局部平均去噪算法提出了以下改进:首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB,去噪效果优于BM-3D方法.
【总页数】6页(P923-928)
【作者】孙伟峰;彭玉华
【作者单位】山东大学信息科学与工程学院,山东济南,250100;山东大学信息科学与工程学院,山东济南,250100
【正文语种】中文
【中图分类】TN911
【相关文献】
1.图像去噪的改进迭代非局部平均滤波方法 [J], 冯象初;郝彬彬;朱见广
2.一种改进的集合平均经验模态分解去噪方法 [J], 屈中阳;李鸿光
3.一种改进的非局部平均图像去噪算法 [J], 许光宇;李玲
4.一种改进权重的非局部均值图像去噪方法 [J], 黄玲俐
5.基于低秩分解和改进的非局部平均的SAR图像相干斑抑制 [J], 沈荻帆; 张育; 任佳
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进权重的非局部均值图像去噪算法
关键词 ：图像去噪 ； １ Ｆ 局 部均值 ；高斯噪声 ；加权平 均 ； 相关 系数
中图分类号 ： Ｔ Ｐ ３ ９ ｌ ； Ｔ Ｎ ９ １ １ ． ７ ３ 文献标识码 ： Ａ 国家标准学科分 类代码 ： ５ ２ ０ ． ６ ０ ４ ０
Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ ｎ ｏ ｎ － ｌ ｏ ｃ ａ ｌ ｍｅ ａ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉｌ ｆ ｔ ｅ ｒ ｆ ｏ ｒ ｉ ｍａ ｇ ｅ ｄ ｅ ｎ ｏ ｉ ｓ ｉ ｎ ｇ
相似性， 将其廊用到图像邻域灰度矩阵 的相似性度量 ｌ ， 更好地利用了网像邻域间的相似性质。通过对添加不 噪声水
平的噪声 陶像 进， ７ ７ Ｎ试 ， 实验结 果表明 ， 与传统 的非局部均值 滤波 算法 相 比， 所 提 …的算 法在 去噪性 能 Ｉ 尤其 是结 构信 息
保持 Ｉ 均有 显著提高 。
第２ ８ 卷 第３ 期
．
电子测星 与仪器学报
１ ０Ｕ Ｒ ＮＡ Ｌ Ｏ Ｆ Ｅ Ｌ Ｅ ＣＴ ＲＯ ＮＩ Ｃ ＭＥ Ａ Ｓ Ｕ Ｒ Ｅ ＭＥ ＮＴ Ａ Ｎ Ｄ Ｉ ＮＳ Ｔ ＲＵ ＭＥ ＮＴ Ａ Ｔ Ｉ Ｏ Ｎ
ｆ ． ２ ８ Ｎｏ ． ３
３ ３ ４．
２ ０ ｌ ４年 ３月
ｗ ｉ ｔ ｈ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｃ ｏ ｅ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｔ ｏ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｔ ｈ ｅ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｐ ａ ｔ ｃ ｈ ｅ ｓ ｗｅ ｌ １ ． Ｆ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ｈ ａ ｓ ｈ ｅ ｅ ｎ ｅ ｖ ａ ｌ ｕ ａ ｔ ｅ ｄ ｏ ｎ ｔ ｅ ｓ ｔ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｓ ｗｉ ｔ ｈ ｖ ａ ｒ ｉ ｏ ｕ ｓ ｌ ｅ ｖ ｅ ｌ ｓ ｎ ｏ ｉ ｓ ｅ ．Ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｎ ｏ ｎ — ｌ ｏ ｃ ａ ｌ ｍｅ ａ ｎ ｓ
非局部均值的彩色图像去噪方法改进
非局部均值的彩色图像去噪方法改进张丽红;焦韶波【摘要】Gaussian weights Euclidean distance between pixel blocks with a high degree of similarity in the neighborhood is calculated to estimate current pixel value in fast non-local means algorithm,which achieves good results in the low-frequency part of the image,but loses partial edge information in the high-frequency part of the image because similarity between pixel blocks cannot be reflected by Gaussian weights Euclidean distance effectively. In order to retain more information in the high-frequency part of the image, a new weighting function is constructed,in which feature similarity color index composed of phasecongruency,gradient and chrominance infor-mation is introduced into Gaussian weights Euclidean distance of fast non-local means algorithm and a denoising method is proposed based on it. Similarity between pixel blocks is computed by this new weighting function. Thus the estimated points are acquired with all pixels in three channels of color image filtering with block-by-block and averaged to obtain the entire filtered image. The experimental results show that compared with fast non-local means algorithm,it has improved the PSNR,FSIMC and retained more detail.%快速非局部均值算法利用像素邻域内具有高相似度的像素块之间的高斯加权欧氏距离来估计当前像素值,对于低频图像部分可取得较好的效果,而对于图像的高频部分,因计算获得的高斯加权欧氏距离不能很好地反映图像块间的相似性,会导致图像部分边缘信息的丢失.为了保留图像中更多的高频信息,在快速非局部均值算法中高斯加权欧氏距离的基础上,引入由相位一致性、梯度及色度特征组成的彩色图像特征相似(FSIMC)指数,提出并构建了基于一种新权重函数的去噪算法.该算法利用新的权重函数计算图像块与图像块之间的相似性,分别对RGB三通道内图像中所有的像素点进行逐块滤波得到估计值,只要平均这些估计值就得到去噪后的整幅图像.实验结果表明,相对于快速非局部均值算法,所提出的算法在PSNR和FSIMC方面均有提高,同时也保留了图像更多的细节信息.【期刊名称】《计算机技术与发展》【年(卷),期】2017(027)010【总页数】4页(P39-42)【关键词】非局部均值算法;彩色图像去噪;彩色图像特征相似指数;权重函数【作者】张丽红;焦韶波【作者单位】山西大学物理电子工程学院,山西太原030006;山西大学物理电子工程学院,山西太原030006【正文语种】中文【中图分类】TP301图像是人类获取信息、表达信息和传递信息的重要手段。
基于马氏距离的改进非局部均值图像去噪算法
基于马氏距离的改进非局部均值图像去噪算法第一章：引言- 研究背景与意义- 相关研究现状- 本文研究内容和目的第二章：相关理论知识- 非局部均值去噪算法原理及其缺陷- 马氏距离概念及应用- L0范数正则化在图像去噪中的应用第三章：算法设计与改进- 马氏距离在非局部均值去噪中的应用- L0范数正则化与马氏距离相结合的改进算法- 算法流程图第四章：实验与分析- 数据集介绍- 实验环境设置- 实验结果分析及对比- 实验结果分析第五章：总结与展望- 研究成果总结- 存在的不足和改进方向- 研究展望及未来工作附录：参考文献第一章：引言近年来，图像去噪技术一直是计算机视觉领域的研究热点。
由于图像噪声使得图像质量下降，因此去噪技术可以有效地提高图像的质量和可读性。
在图像去噪领域，非局部均值算法是一种广泛应用的方法，该算法利用了图像的重复性和自相似性来去除噪声，然而其本身仍存在一些缺陷，如去噪效果较差、卡顿等问题。
本文针对非局部均值图像去噪算法的不足之处进行了研究，提出了基于马氏距离的改进算法，并对其进行了实验和分析。
第一节介绍了本文的背景和研究意义。
计算机视觉领域中图像去噪一直是一个重要的研究方向。
随着图像采集设备的不断提高，图像噪声越来越严重，去噪技术的需求也越来越迫切。
其中非局部均值算法是一种获得广泛应用的方法，它可以利用图像中的自相似信息进行噪声抑制。
但由于其计算量大、去噪效果差等缺陷，因此需要对其进行改进。
第二节介绍了本文的相关研究现状。
当前，在图像去噪领域已经有了很多算法，如小波变换去噪、自适应去噪、局部二维线性度量去噪等等。
针对非局部均值去噪算法存在的问题，已有学者提出了多种改进方法，如加权非局部均值去噪、结合L0范数正则化的非局部均值去噪等等。
这些改进方法有效提高了非局部均值去噪算法的性能。
第三节介绍了本文的研究内容和目的。
本文旨在解决非局部均值去噪算法存在的问题，提出一种基于马氏距离的改进算法，通过结合L0范数正则化技术和马氏距离的概念来提高算法的去噪效果和运行效率。
基于改进非局部均值的红外图像混合噪声去除方法
Infrared image mixed noise removal method based on improved NL-means
Li Fangzhou1,2,3,4,5, Zhao Yaohong1,2,4,5*, Xiang Wei1,2,4,5, Liu Haizheng1,2,4,5
(1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, ቤተ መጻሕፍቲ ባይዱhina; 2. Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110016, China;
收 稿 日 期 ：2018-11-01 ； 修 订 日 期 ：2018-12-14 基 金 项 目 ： 装 备 预 研 领 域 基 金 (61404150203) 作 者 简 介 ： 李 方 舟 (1993-) ， 男 ， 硕 士 生 ， 主 要 从 事 红 外 图 像 处 理 等 方 面 的 研 究 。 Email:lifangzhou@ 导 师 简 介 ： 赵 耀 宏 (1979-) ， 男 ， 研 究 员 ， 硕 士 生 导 师 ， 博 士 ， 主 要 从 事 图 像 处 理 等 方 面 的 研 究 。 Email:zhaoyaohong@
改进的非局部均值图像去噪算法
邓志全等：改进的非局部均值图像去躁算法_______________________________基金项目: 国家自然科学基金资助(10572154)第一作者简介:邓志全(1983-)，男，中山大学科学计算与计算机应用系硕士研究生，主要研究方向为信息计算科学、数字图像处理与分析。
改进的非局部均值图像去噪算法邓志全1） 关履泰1） 朱庆勇2）（1）中山大学 科学计算与计算机应用系，广州 510275，lnsglt@ 2）中山大学工学院海洋研究中心，广州 510275）摘 要: 图像去噪一直以来都是计算机图像处理和计算机视觉中的一个研究热点，其中非局部化均值算法是近年来去噪效果比较出色并引起广泛研究讨论的算法之一。
本文在非局部均值算法的基础上提出改进方案，针对图像自身的特点自适应的取最优参数，同时大大的减低其运算量和时间。
并从理论和算法程序等方面详细阐述了该加速算法的具体实现过程。
最后论文给出加速算法在实际应用中的处理结果和优越性 关键词: 图像去噪; 非局部均值;整体变分法; PDE 去噪模型;自适应求参;各向异性扩散Improved Non-local Means Image Denoising MethodDENG Zhi-quan 1）, GUAN Lutai 1）, ZHU Qing-yong 2)(1）Department of Scientific Computing&Computer Application ,Sun Yet-sen University, Guangzhou 510275) (2)Ocean Engineering Research Certre,School of Engineering, Sun Yet-sen University ,Guangzhou510175)Abstract: Image denoising technology is one of the forelands in the field of Computer Graphic and Computer Vision; Non-local Means method is one of the great performing methods which arouse tremendous research. In this paper, we propose a novel improved Non-local Means algorithm which can select the optimal parameters and decrease the computational complexity. We also give the mathematical theory embedded and implementation in details. In the end, we present the main experiment results and its superiority in application.Keywords: Image denoising; Non-local Means;Total Variation Method;PDE denoising model;Adaptive Parameterize; Anisotropic diffusion1 引言随着电子计算机和数码成像设备的日益普及，数字图像处理越来越受到人们的重视。
一种改进的非局部均值去噪算法
一种改进的非局部均值去噪算法蔡斌;刘卫;郑重;汪增福【期刊名称】《模式识别与人工智能》【年(卷),期】2016(029)001【摘要】针对非局部均值去噪算法在图像块相似度计算方面存在的不足,提出计入图像旋转对相似度贡献的、效果更好的图像块匹配算法.为了获得与给定像素点邻域相似的图像子块,首先对给定像素点周边的相关邻域子块按灰度值大小排序,计算其与同样按灰度值大小排序的给定像素点邻域子块之间的距离,据此筛选出灰度分布相似的图像子块作为候选集,更进一步在候选集中选出结构上更为相似的图像子块.同时为了克服噪声影响,在计算子块相似度之前对输入图像进行预滤波处理.实验表明,与原始的非局部均值去噪算法相比,文中算法在峰值信噪比、平均结构相似性及主观视觉效果等方面均具有一定优势,特别是在噪声较大时,文中算法的去噪效果更好.【总页数】10页(P1-10)【作者】蔡斌;刘卫;郑重;汪增福【作者单位】中国科学技术大学自动化系合肥230027;中国科学院合肥智能机械研究所核环境遥操纵机器人研究室合肥230031;中国科学院合肥智能机械研究所核环境遥操纵机器人研究室合肥230031;中国科学院合肥智能机械研究所核环境遥操纵机器人研究室合肥230031;中国科学技术大学自动化系合肥230027;中国科学院合肥智能机械研究所核环境遥操纵机器人研究室合肥230031【正文语种】中文【中图分类】TN911.73【相关文献】1.一种基于改进非局部均值滤波算法的红外图像去噪 [J], 郭晨龙;赵旭阳;郑海燕;梁锡宁2.一种改进的非局部均值图像去噪算法 [J], 刘晓明;田雨;何微;钟元红3.一种改进的非局部均值图像去噪算法 [J], 祝严刚;张桂梅4.一种改进的非局部均值去噪算法 [J], 何春;宋国琴;郭科5.一种改进权重的非局部均值图像去噪算法 [J], 赵庆平;陈得宝;姜恩华;方振国因版权原因，仅展示原文概要，查看原文内容请购买。
改进权重函数的非局部均值图像去噪算法
改进权重函数的非局部均值图像去噪算法张娜;刘辉;尚振宏;邹滨益【摘要】经典非局部均值去噪算法在度量邻域结构特征相似性上对于旋转和平移情况下不够灵活.为此,提出一种基于归一化转动惯量的非局部均值图像去噪算法.利用归一化转动惯量作为相似权重的一部分来调节相似性度量.实验结果表明,与原始非局部均值去噪算法相比,该算法能够更好地保持图像的细节结构信息,提高峰值信噪比和结构相似度,特别当噪声强度增大时,峰值信噪比最大提高1.03 dB,结构相似度最大提高0.04.%In order to solve inflexible rotation and translation in measuring neighborhood similarity for structural characteristics in Non-local Means(NLM)denoising method,this paper presents the NLM image denoising algorithm based on Normalized Moment of Inertia(NMI).The normalized moment of inertia as a part of the similar weight is proposed to balance neighborhood patches' similarity.Experimental results show that compared with the original nonlocal mean denoising algorithm,this algorithm can keep the detail of the image structure information preferably,and can improve the Peak Signal to Noise Ratio(PSNR)and structural similarity.Especially,when the noise intensity increases,the algorithm improves the PSNR by 1.03 dB and the structure similarity index by 0.04.【期刊名称】《计算机工程》【年(卷),期】2016(042)012【总页数】8页(P254-261)【关键词】非局部均值;去噪;相似性度量;噪声图像;归一化【作者】张娜;刘辉;尚振宏;邹滨益【作者单位】昆明理工大学信息工程与自动化学院,昆明 650500;昆明理工大学信息工程与自动化学院,昆明 650500;昆明理工大学信息工程与自动化学院,昆明650500;昆明理工大学信息工程与自动化学院,昆明 650500【正文语种】中文【中图分类】TP391数字图像经过获取、传输、接收等处理阶段会不可避免地产生一些噪声,这不仅影响图像本身视觉效果,也会影响图像质量评价因子[1]。
一种改进的非局部均值去噪算法
第41卷第4期西华师范大学学报(自然科学版)2020年12月Voi.41 No. 4Journai of China West Normal Univauity ( Naturai Sciences t Dec. 2020DOT 10. 16246//. issn. 1677-5072. 2020. 04. 21一种改进的非局部均值去噪算法何春12,宋国琴〃，郭科5收稿日期：2020-04-28 基金项目：数学地质四川省重点实验室开放基金项目(IcsxPz201yb08);西华师范大学基本科研业务费项目(190043);西华师范大学英才科研基金项目(1YC185)作者简介：何春( 1980—)，女，四川南充人，博士，讲师，主要从事遥感图像处理与人工智能研究。
通讯作者：何 春，E-m/I ：5shc222@165. com引文格式:何 春,宋国琴，郭 科•一种改进的非局部均值去噪算法［J ］.西华师范大学学报(自然科学版)，2020,41(4)：421-425. [ HE Chun : SONG Guopin : GUO Ke. An Improved Nou-1ocai Means Denoising Algorithm [ J ] . Journal of China West Normal Ufivarsity (Natural Sciences ) ,2020,41(4) ：421L25.](1•西华师范大学教育信息技术中心，四川南充637079 V .成都理工大学数学地质四川省重点实验室，成都610759)摘要：针对传统非局部均值算法耗时长，权重分配不够合理以及利用欧氏距离计算邻域之间相似性时未能突出 中心像素点作用的问题，提出一种改进的非局部均值去噪算法。
该算法利用积分图像原理,将对图像中每一个像 素进行邻域相似性处理，改进为对图像矩阵进行统一处理，并且利用不同半径的高斯核函数累加从而加强了邻域 中心点的权重地位，最后通过高斯函数幕运算对度量邻域之间相似度的权重函数进行了改进。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种改进的非局部均值图像去噪算法
祝严刚;张桂梅
【期刊名称】《计算机工程与应用》
【年(卷),期】2017(053)018
【摘要】Non-Local Means(NLM)algorithm has good characteristic for removing noise and preserving image details. But the algorithm is time consuming and the accuracy decreases significantly with the increase of noise. Fast Non-Local Means(FNLM)algorithm speeds up operation and reduces time cost, but the performance of denoising has not improved when noise increased. Aiming at the problem, this paper proposes a novel non-local means denoising method. A new expo-nential-Turky kernel function is put forward by combining Turky function and exponential function, which subsitutes the original exponential kernel function in both NLM algorithm and FNLM algorithm. Furthermore, both the Structure Simi-larity(SSIM)and Euclidean distance are introduced to measure the similarity between image neighborhood, which make the selection of weight more reasonable, and eliminate the interference of the neighborhood with dissimmilar structure in the image, as a result, the performance of denoising is approved. The experiments carried out with images in database by adding different level of Gaussian noise, the results demonstrate that the proposed method improves denoising capacity greatly, especially for image with large noise. Additionly, the efficiency of
proposed method is enhanced obviously against NLM algorithm, and the time complexity is equal to FNLM algorithm and time consumption is close to FNLM algorithm too.%非局部均值滤波算法(Non-Local Means,NLM)有良好的去噪效果,且能保持图像细节.但其复杂度过高引起效率低下,在噪声增大时去噪精度明显下降.快速非局部均值滤波(Fast Non-Local Means,FNLM)虽然提高了算法的效率,但去噪效果没有明显改善,在噪声增大时去噪效果仍不理想.针对该问题,提出一种新的非局部均值滤波算法,算法将Turky型函数与指数型相结合,提出一种新的指数-Turky型权值核函数,替代原NLM算法和FN-LM算法中的指数型核函数,同时综合了结构相似性(Structural Similarity,SSIM)和欧氏距离来衡量图像邻域间的相似性,从而使得权值的选取更加合理,有效排除图像中不相似邻域的干扰,提高了算法的去噪性能.通过对添加不同噪声水平的高斯噪声图像进行实验,结果表明提出的算法在去噪性能上与NLM和FNLM相比有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与NLM相比有明显提高,与FNLM算法的时间复杂度相当,时耗接近略有降低.
【总页数】7页(P192-198)
【作者】祝严刚;张桂梅
【作者单位】南昌航空大学江西省图像处理与模式识别重点实验室,南昌 330063;南昌航空大学江西省图像处理与模式识别重点实验室,南昌 330063
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于改进非局部均值滤波算法的红外图像去噪 [J], 郭晨龙;赵旭阳;郑海燕;梁锡宁
2.基于马氏距离的改进非局部均值图像去噪算法 [J], 阴盼强;路东明;袁渊
3.一种改进的非局部均值图像去噪算法 [J], 刘晓明;田雨;何微;钟元红
4.改进非局部均值各向异性扩散图像去噪算法 [J], 王磊;王敏;张鹏程;任时磊;高晓玲;桂志国
5.一种改进权重的非局部均值图像去噪算法 [J], 赵庆平;陈得宝;姜恩华;方振国因版权原因，仅展示原文概要，查看原文内容请购买。