基于积分图与重构相似核的快速非局部均值滤波

摘要

数字图像中的噪声是客观存在且难以避免的，图像去噪一直是数字图像处理领域里的热点问题。当前的去噪算法存在两类问题，去噪效果好的滤波算法往往时间复杂度相当大，而速度快的滤波算法一般去噪效果上不是相当理想。
　　非局部均值算法（Non-local Means）是A.Buades等人在2005年提出的一种去噪算法，由于不再局限于邻域计算处理而拓展到整个图像，因此获得了比传统去噪算法更加优异的去噪结果。但是由于非局部均值算法是利用整幅图像中所有像素点的加权平均来对目标像素点去噪，所以具有很高的时间复杂度。
　　为了提高非局部均值算法的效率，本文引入了积分图的计算方式，采用并行计算并省去了很多重复的计算。为了获得近似乃至超过原始算法的去噪效果，重构了相似窗，利用堆叠金字塔结构，构造出类似高斯核的相似窗。并在中心点附近3x3区域内采取取同一权值的方法，改进了原有算法在权值计算时的瑕疵。最终，所提出的基于积分图和重构相似核的非局部均值算法不仅算法速度上较原始非局部均值算法有17倍的提升，而且在去噪结果上也有改善。
　　通过一系列仿真实验的验证，可以说，本文所提出的基于积分图和重构相似核的快速非局部均值算法是一种速度快而且去噪效果优良的去噪算法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 数字图像处理简单介绍

1.2 图像去噪的研究背景与意义

1.3 图像去噪的发展与现状

1.4 论文的主要内容及章节安排

第2章 图像滤波去噪基本理论及依据

2.1 噪声基本理论

2.2 噪声的来源

2.3 噪声的分类

2.4 图像去噪效果评价的标准

2.5 传统的图像滤波方法

2.6 本章小结

第3章 非局部均值滤波（Non-Local Means）

3.1 非局部均值滤波介绍

3.2 非局部均值滤波算法原理

3.3 非局部均值算法分析

3.4 白噪声-白噪声准则

3.5 仿真与分析

3.6 本章小结

第4章 基于积分图和改进相似核的快速非局部均值滤波

4.1 非局部均值算法的不足

4.2 优化的非局部均值滤波算法

4.3 积分图

4.4 构造相似核

4.5 仿真与分析

4.6 本章小结

第5章 总结与展望

5.1 主要工作总结

5.2 本文创新点

5.3 展望

参考文献

个人简历、申请学位期间的研究成果及发表的学术论文

致谢