基于相互近邻结构体构建的非局部形态学

摘要

作为一种传统的非线性图像处理算法,数学形态学在很多领域有着广泛应用。由于非局部形态学同时具备了自适应和非局部自相似的优点,其在近年引起研究者的关注。然而,现有算法往往具有对噪声较为敏感的缺陷。同时,由于其结构体包含了整个搜索窗的所有像素,这导致成员的可靠性较差,进而影响了算法性能。针对上述不足,提出了一种新的非局部数学形态学(RNLMM)。通过相互近邻策略,使结构体成员的可靠性得到提升。并且,将经典形态学(局部)与非局部形态学相结合,设计出一个算子的串行实现方式,有效提高了其对噪声的鲁棒性。理论表明,这些算子依然能够保留经典形态学算子所具备的一些重要数学性质。最后的去噪实验初步验证了RNLMM算法的优良性能。