非局部平均去噪算法(Non-local means denoising algorithm,NLM)是图像处理领域具有里程碑意义的算法,NLM的提出开启了影响深远的非局部方法.本文从以下两个方面来重新探讨非局部平均算法:1)针对NLM算法运算复杂度高的问题,基于互相关(C...非局部平均去噪算法(Non-local means denoising algorithm,NLM)是图像处理领域具有里程碑意义的算法,NLM的提出开启了影响深远的非局部方法.本文从以下两个方面来重新探讨非局部平均算法:1)针对NLM算法运算复杂度高的问题,基于互相关(Cross-correlation,CC)和快速傅里叶变换(Fast Fourier transformation,FFT)构造了一种快速算法;2)NLM在滤除噪声的同时会模糊图像结构信息,在强噪声条件下更是如此.针对这一问题,提出了一种渐近非局部平均图像去噪算法,该算法利用方差的性质来控制滤波参数.数值实验表明,快速算法较之经典算法,在标准参数配置下运行速度可提高27倍左右;渐近非局部平均图像去噪算法较之经典非局部平均图像去噪算法,去噪效果显著改善.展开更多
非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整....非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised multi-non-local fusion,UMNLF)的图像去噪方法,即变换搜索窗等组合参数得到多个去噪结果,并利用SURE(Stein's unbiased risk estimator)对这些结果进行无监督的随机线性组合以获得最终结果.首先,为了滤除不相似或者相似度较低的邻域块,本文引入一种基于可微分硬阈值函数的非局部均值(Non-local means with a differential hard threshold function,NLM-DT)算法,并结合快速傅里叶变换(Fast Fourier transformation,FFT),初步提升算法的去噪效果和速度;其次,针对不同的组合参数,利用快速NLM-DT算法串联生成多个去噪结果;然后,采用蒙特卡洛随机采样的思想对上述多个去噪结果进行随机的线性组合,并利用基于SURE特征加权的移动平均滤波算法来抑制多个去噪结果组合引起的抖动噪声;最后,利用噪声图像和移动平均滤波后图像的SURE进行梯度的反向传递来优化随机线性组合的系数.在公开数据集上的实验结果表明:UMNLF算法去噪结果的峰值信噪比(Peak signal to noise ratio,PSNR)超过了NLM及其大部分改进算法,以及在部分图像上超过了BM3D算法.同时,UM-NLF相比于BM3D算法在视觉上产生更少的振铃伪影,改善了图像的视觉质量.展开更多
针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein...针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1-2 d B。展开更多
文摘非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised multi-non-local fusion,UMNLF)的图像去噪方法,即变换搜索窗等组合参数得到多个去噪结果,并利用SURE(Stein's unbiased risk estimator)对这些结果进行无监督的随机线性组合以获得最终结果.首先,为了滤除不相似或者相似度较低的邻域块,本文引入一种基于可微分硬阈值函数的非局部均值(Non-local means with a differential hard threshold function,NLM-DT)算法,并结合快速傅里叶变换(Fast Fourier transformation,FFT),初步提升算法的去噪效果和速度;其次,针对不同的组合参数,利用快速NLM-DT算法串联生成多个去噪结果;然后,采用蒙特卡洛随机采样的思想对上述多个去噪结果进行随机的线性组合,并利用基于SURE特征加权的移动平均滤波算法来抑制多个去噪结果组合引起的抖动噪声;最后,利用噪声图像和移动平均滤波后图像的SURE进行梯度的反向传递来优化随机线性组合的系数.在公开数据集上的实验结果表明:UMNLF算法去噪结果的峰值信噪比(Peak signal to noise ratio,PSNR)超过了NLM及其大部分改进算法,以及在部分图像上超过了BM3D算法.同时,UM-NLF相比于BM3D算法在视觉上产生更少的振铃伪影,改善了图像的视觉质量.
文摘针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1-2 d B。
文摘为解决低剂量计算机断层扫描(computedtomography,CT)重建图像时产生严重退化的问题,提出一种改进的非局部均值低剂量CT统计迭代重建算法。采用高斯滤波函数对含噪图像进行滤波,利用改进的非局部均值(non-local means,NLM)降噪模型做进一步降噪处理,通过空间邻近度因子和空间变化的滤波参数改进权值函数,得到新的降噪模型,把该模型应用到惩罚加权最小二乘(penalized weighted least square,PWLS)重建算法中,以期达到噪声抑制和边缘保持的良好效果。实验结果表明,该算法的重建图像可有效去除噪声,保护图像的边缘信息和细小结构。
