基于非局部块匹配的图像去噪算法研究

摘要

图像作为一种最直观的信息传播方式在各个领域中都发挥着不可替代的作用。但由于拍摄及传输设备的原因，图像总是会受到电流的干扰而产生噪声，这将直接影响到人们对图像真实信号的获取，而图像去噪是进一步处理及理解图像的基础。目前，去噪算法虽然取得了很好的效果，但是对图像边缘及细节信息的保留仍面临着巨大挑战。本文以基于非局部块匹配为研究主线，从边缘方向匹配相似块、NCSR模型改进协同滤波等方面展开研究，取得以下成果: (1)为了改善边缘像素相似块的稀疏表示，本文提出了一种基于边缘方向搜索相似块的图像去噪算法。算法首先将图像像素分为两类:边缘像素块沿边缘方向和垂直方向搜索，光滑像素块沿水平方向和垂直方向搜索:三维矩阵由最相似的匹配块构成:将三维变换应用于三维矩阵，从而获得三维相似块的稀疏系数:继而利用Hardthresholding阁值方法抑制噪声:经过三维逆变换，图像像素获得了多个估计值，所有估计值加权平均作为该像素的最终去噪结果。算法沿边缘方向匹配相似块，不仅提高了边缘上相似块的相似性，而且加快了匹配速度，从而保留了更多的图像细节，并提高了算法效率; (2)为了进一步挖掘图像的非局部相似信息，更好地描述图像边缘与纹理，算法改进了NCSR模型用其来捕捉图像细节，提出了一种基于NCSR模型的协同滤波去噪算法。首先，光滑像素和边缘像素分别进行块匹配，依其欧氏距离组成三维组:用NCSR模型的11范式处理光滑像素的三维组，NCSR模型的12范式处理边缘像素的三维组:对NCSR模型滤波得到的多个像素估计值进行聚合，从而获得图像的最终去噪结果。算法对NCSR模型进行的改进，充分挖掘了图像块间的非局部特性:同时，不同的滤波方式处理图像边缘像素块和光滑像素块，更好地保留了图像边缘及纹理信息，从而改善了算法的去噪性能。 实验结果表明，与多种去噪算法相比，无论在主观视觉效果，还是在峰值信噪比和相似性指标上，本文所提出的算法都有一定程度的提高。

目录

第一个书签之前