改进型Q--NLM算法在图像去噪中的应用

摘要

数字图像作为人们生活中不可或缺的信息来源，对数字图像的质量的要求也随之提高，在不同领域也体现了图像信息准确的重要性，比如医学图像，汽车牌照，航拍图片等各方面。图像在生成，传输，终端提取过程中，由于设备的不完善，往往导致图像容易被不同类型的噪声污染，很大程度上影响了人们对图像信息的提取，因此在利用图像之前对图像噪声的滤除就是一个很重要的环节。 本文重点分析了脉冲噪声去除与高斯噪声去除的优缺点，从而结合两者的优点提出一种新型基于非局部的群算法在去除两者混合型噪声中的研究应用，即改进型的非局部均值滤波Q-NLM算法。针对传统非局部均值算法不适应脉冲噪声去噪的问题，提出了像素离群度Q的概念，像素离群度Q值用于判断原像素与脉冲噪声的相似度，依据像素离群度Q值划分像素区域，调整不同区域阈值且引入中值滤波去除脉冲噪声点，进一步降低图片中混合噪声对滤波的影响。仿真实验结果显示，这种结合离群度与非局部均值算法在去除混合噪声的情况下，能较好提高图像信噪比，有效保留图像细节。

目录

声明

摘要

1 引言

1．1 研究背景及意义

1．2 研究现状

1．3 本文安排及主要内容

2 图像去噪理论

2．1 噪声

2．2 经典去噪算法

2．2．1 中值滤波算法

2．2．2 局部均值滤波算法

2．2．3 非局部均值滤波算法(NL-means)

2．2．4 维纳滤波算法

2．2．5 双边滤波模型

3 结合像素离群度Q的改进型NLM算法

3．1 离群度Q的介绍

3．2 像素离群度Q在图像去噪中的具体应用

3．2．1 像素区域划分

3．2．2 粗糙处理

3．2．3 精细处理

4 性能评价标准

4．1 主观评价标准

4．2 客观评价标准

5 仿真结果分析

5．1 改进型Q-NLM算法对医学图像仿真结果分析

5．2 改进型Q-NLM算法对丽娜图仿真结果分析

6 仿真实验中部分程序代码

结语

参考文献

附录

致谢

在读期间公开发表论文(著)及科研情况