非局部算法在图像去噪中的应用

摘要

图像去噪作为一种数字图像相关应用的重要预处理步骤，尽管它已经被研究了近半个世纪，但仍然是最经典和最富有挑战性的课题之一。到目前为止，已经有许多种图像去噪算法被提出。其中绝大多数的算法都是以原始图像的正则性假设为前提的，并且在去噪过程中图像的许多细节都被光滑掉了。A.Buades等人提出的非局部均值算法有效地克服了这些弱点。
　　 非局部均值算法通过利用数字图像中大量的冗余信息，建立待去噪像素点邻域与搜索区域的像素点邻域的相似函数，计算搜索区域各像素点与待去噪像素点的相似度权重，然后对搜索区域内的像素点进行加权平均，从而得到去噪点的灰度值。该算法在纹理，边缘信息的保持，以及去噪效果方面是目前最好的两种算法之一，但由于非局部算法是从像素点到像素点逐个进行处理的，故其计算复杂度较大。
　　 本文在非局部均值框架下，根据图像自身的几何特征，做了以下工作：
　　 1.本文引入了光滑样条估计和广义的交叉验证准则，基于小波分解给出了更为精确的噪声方差估计，这为后续的去噪步骤提供了精确的去噪参数；
　　 2.本文在原有基于图像邻域的灰度值计算权重的方法上，引入了相应的邻域的高斯曲率，给出了更精确的权重计算方法，提出了非局部双边滤波算法；
　　 3.本文基于图像几何结构的像素融合生长算法，给出了更为合理的搜索区域，提出了快速的非局部自适应滤波算法；
　　 4.本文最后基于非局部算子的定义，介绍了和实现了前沿的非局泛函下的非局部全变差算法。
　　 大量的数值试验验证了本文算法在纹理，边缘信息的保持，以及去噪效果的稳健性。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1 章绪论

第2 章图像去噪方法概述

第3 章图像噪声方差估计

第4 章非局部滤波去噪算法

第5 章非局部全变差去噪算法

第6 章总结与展望

参考文献

致谢

攻读硕士学位期间发表的学术论文