结合边缘检测的非局部均值图像去噪研究

摘要

伴随科技地进步，图像已经成为我们日常生活中重要的信息载体。图像的广泛使用推动了图像处理的蓬勃发展，然而图像在实际应用中会因为恶劣天气或者电子器件等一系列原因而遭受到噪声地污染，使得图像质量因此而下降，严重情况下可能无法再继续使用。因而，随着图像处理的广泛应用，如何去除图像中的噪声也受到了越来越多研究者的重视。
　　本文主要对非局部均值(Non-Local Means，NLM)除噪方法进行讨论与研究。NLM除噪方法有着突出的除噪能力、计算步骤简单、易于改进等优点，但是该算法仍然有许多缺点。通过分析经典的NLM去噪算法，可以发现NLM算法在处理图像边缘和细节信息时，由于边缘像素点与平坦像素点混合计算。会使得边缘像素点的灰度值趋于平缓，从而产生过平滑现象。因此难以保存图像中的细微的结构信息。针对这个缺点，本文在经典NLM算法的基础上，将边缘检测与NLM结合起来去除图像中的噪声。
　　该算法的创新点在于:在给像素点加权的时候不仅仅只考虑其空间上的距离，还参考了图像的边缘信息。在对图像进行非局部均值计算前，先通过边缘检测将图像中的边缘部分像素点与平坦像素点检测出来。在后续的权值分配与加权平均的计算中，将边缘像素点与平坦像素点分开来计算。这样不仅减少了不相似像素点的权值，还给具有相似灰度值与结构信息的像素点赋予了更大的权值。同时降低图像边缘信息的过平滑现象。

目录

声明

摘要

1．1 研究背景与意义

1．1．1 图像去噪的研究背景

1．1．2 研究图像去噪的意义

1．2 图像去噪研究现状

1．3 论文所做工作和章节安排

第2章 图像去噪概述

2．1 数字图像及图像噪声

2．1．1 数字图像的概念

2．1．2 数字图像噪声

2．2 图像去噪技术介绍

2．2．1 图像去噪算法分类

2．2．2 几种图像去噪算法介绍

2．2．3 几种图像去噪算法实验对比

2．3 图像去噪的性能评价标准

第3章 非局部均值算法与边缘检测

3．1 邻域平均去噪原理

3．2 非局部均值算法原理

3．3 非局部均值方法存在的问题

3．4 已有的非局部均值算法改进

3．5 选取合适的边缘检验方法

3．5．1 边缘检验的基础理论

3．5．2 经典的五种边缘检测算子

3．5．3 五种边缘检测算子的实验对比与分析

第4章 改进的非局部均值去噪算法

4．1 改进算法原理

4．2 改进的非局部均值算法的实现

4．3 实验结果与分析

4．3．1 主观评价

4．3．2 客观评价

4．4 时间复杂度分析

5．1 全文总结

5．2 展望

参考文献

攻读硕士学位期间发表的论文

致谢