摘要
非局域均值(NLM)去噪算法假设图像噪声方差是定值,对于存在非线性噪声的图像处理效果不佳。像素滤波权重分配仅依赖像素块相似性,其准确性会受到噪声的干扰。为此,提出一种基于灰度-信息方差特性曲线的改进算法CNLM。该算法利用离散余弦变换,计算选取出特征像素点的有用信息方差及噪声方差,得到图像的灰度-纹理方差(IIVC)和灰度-噪声方差(INVC)2条特性曲线。2个像素点之间的权重受到这2点灰度对应的IIVC值的约束,以降低噪声对该过程的影响,算法中固定的噪声方差被每个像素灰度对应的INVC值替代以更好地去噪。实验结果证明,该算法对于加性和乘性噪声都有较好的噪声估计及去噪效果。
非局域均值(NLM)去噪算法假设图像噪声方差是定值,对于存在非线性噪声的图像处理效果不佳。像素滤波权重分配仅依赖像素块相似性,其准确性会受到噪声的干扰。为此,提出一种基于灰度-信息方差特性曲线的改进算法CNLM。该算法利用离散余弦变换,计算选取出特征像素点的有用信息方差及噪声方差,得到图像的灰度-纹理方差(IIVC)和灰度-噪声方差(INVC)2条特性曲线。2个像素点之间的权重受到这2点灰度对应的IIVC值的约束,以降低噪声对该过程的影响,算法中固定的噪声方差被每个像素灰度对应的INVC值替代以更好地去噪。实验结果证明,该算法对于加性和乘性噪声都有较好的噪声估计及去噪效果。
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第S1期258-260,272,共4页
Computer Engineering
基金
北京市中关村海淀园博士后基金资助项目"高端特效与合成系统中的数字影像损伤与修复技术研究"
关键词
非局域均值
离散余弦变换
灰度方差特性曲线
噪声方差估计
Non Local Means(NLM)
Discrete Cosine Transform(DCT)
intensity-variance characteristic curve
noise variance estimation
