论文部分内容阅读
作为一种图像预处理手段,图像去噪在众多图像处理应用中发挥着重要的作用。到目前为止,图像去噪问题被大量研究,并取得了许多重要成果,涌现出了包括非局部均值(NLM)去噪算法在内的一批优秀的去噪方法。值得一提的是,相比于传统的局部去噪算法,非局部均值去噪算法有着更好的去噪性能和更好的图像细节保留能力。非局部均值去噪算法的出发点为邻域平均和实际中广泛存在的图像纹理结构的自相似性。针对现有非局部均值滤波算法在计算图像块相似性时仅考虑了图像块平移的情况导致算法的去噪性能仍然不够好的问题,对现有非局部均值滤波算法进行了改进,提出了两种可以进一步提高去噪性能的处理方案。论文的主要工作和创新点如下：1)提出了一种计入图像旋转对相似度贡献的、效果更好的图像块匹配方法。为了获得与给定像素点邻域相似的图像子块,首先对给定像素点周边的相关邻域子块按灰度值大小排序,计算其与同样按灰度值大小排序的给定像素点邻域子块之间的距离,据此筛选出灰度分布相似的图像子块作为候选集,更进一步计算候选集中每个图像子块经多次旋转得到的平均图像子块与给定像素点同样经多次旋转得到的平均图像子块间的距离,从中选出结构上更为相似的图像子块；同时为了克服噪声对子块间相似度计算准确性的影响,在计算子块相似度之前对输入图像进行了预滤波处理。2)提出了一种基于改进局部二值模式(LBP)的旋转不变且具有抗噪性的相似度度量方法,并将其应用于NLM滤波算法。在比较两图像块的相似性时,先利用改进的LBP算子获取各个图像块中心像素点的旋转不变LBP值,并记录该过程中二进制字符串循环移位次数,接着以循环移位次数为依据将图像块旋转至一致再进行距离计算。同时,为了加快运算速度及克服不相似像素点也被赋予一定权值的缺陷,提出了一种相似集自动选取的方法。实验结果表明,与原始的NLM算法相比,本文方法在峰值信噪比(PSNR)、平均结构相似性这些量化指标有了明显提高,在主观视觉效果方面均也具有一定的优势,特别地,在受噪声污染较严重时本文方法的去噪效果更好。