劉卓亞

摘要：圖像去噪一直都是計(jì)算機(jī)圖形處理和計(jì)算機(jī)視覺中的一個(gè)研究熱點(diǎn)，其中非局部化均值算法是近年來去噪效果出色的算法之一，但是非局部均值算法容易導(dǎo)致細(xì)節(jié)模糊，該文基于指數(shù)加權(quán)函數(shù)的基礎(chǔ)上引進(jìn)了余弦函數(shù)，提出了一種改進(jìn)的非局部均值圖像去噪方法，通過實(shí)驗(yàn)表明，該文的改進(jìn)算法比傳統(tǒng)的算法更能保持細(xì)節(jié)。

關(guān)鍵詞：圖像處理；非局部均值算法；圖像去噪；高斯噪聲

中圖分類號(hào)：TP183文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)22-5448-02

The NonLocal Means Denoising Research

LIU Zhuo-ya

(Yunnan Vocational College of Mechanical and Electrical Technology, Kunming 650203,China)

Abstract：Image denoising has always been a hot issue in Computer Graphic and Computer Vision. Non-local Means method is one of the great performing methods which arouse tremendous research..Aiming at the problem of blurs the details in original non-local means algorithm,this paper proposes a cosine exponential function. It is used in the weight-computing of the improved algorithm. Experimental results show the algorithm has a superior denoising performance than the original one.

Key words: image processing; nonlocal means algorithm; image denoising; gaussian noise

1概述

圖像去噪是圖像處理領(lǐng)域中一項(xiàng)重要的研究課題，一方面能有效的抑制噪聲，為后續(xù)處理提供更為精確的信息；另一方面對(duì)去噪方法的研究還能促進(jìn)其它圖像處理與分析問題的解決，如圖像恢復(fù)、超分辨重建、圖像分割等。在進(jìn)半個(gè)世紀(jì)中，圖像去噪是數(shù)字圖像處理中最基本、研究最為廣泛的問題，目前仍然有很多問題沒有得到解決。圖像去噪的目的是從噪聲數(shù)據(jù)中恢復(fù)出原始圖像或者得到其最佳估計(jì)?；谶@個(gè)目的，大量的去噪算法得到了發(fā)展，比如全變分最小化方法[1]、雙邊濾波器[2]和基于小波方法[3]等。

文獻(xiàn)[4-5]提出原始非局部均值（Original Non-local Means,ONLM）算法，非局部均值濾波算法的核心問題是在于確定權(quán)重函數(shù)，ONLM算法中采用直屬型函數(shù)進(jìn)行加權(quán)[4]。由于ONLM算法采用指數(shù)型函數(shù)導(dǎo)致圖像的細(xì)節(jié)過渡平滑而變得模糊，文獻(xiàn)[6]中的純直屬型或者余弦型核函數(shù)不能適應(yīng)噪聲的變換，對(duì)強(qiáng)噪聲的去噪能力明顯下降。

為此，該文在以上工作基礎(chǔ)上，討論加權(quán)核函數(shù)的建立，并結(jié)合直屬函數(shù)和余弦型核函數(shù)，提出了指數(shù)余弦型函數(shù)。

2非局部均值濾波去噪算法

該文假設(shè)噪聲信號(hào)為與圖像無關(guān)的加高斯白噪聲，噪聲模型為：

3改進(jìn)的權(quán)重函數(shù)

在一定條件下，理想的權(quán)重函數(shù)應(yīng)該在像素領(lǐng)域距離小時(shí)輸出較大的全職，而隨著距離的增大而使輸出迅速的減小到0。文獻(xiàn)[6]中提到了余弦型加權(quán)函數(shù)，定義為：

4實(shí)驗(yàn)結(jié)果和分析

算法變成工具為MATLAB7.0，實(shí)驗(yàn)圖像采用國(guó)際標(biāo)準(zhǔn)測(cè)試圖像lena圖像和house圖像，如圖1，圖像大小為256×256，算法性能通過主觀視覺效果和客觀的PSNR來評(píng)價(jià)。實(shí)驗(yàn)室將傳統(tǒng)的ONML和該文改進(jìn)的算法分別應(yīng)用于加噪圖像，圖像中添加了均值為0，標(biāo)準(zhǔn)差σ=10的高斯噪聲，如圖2，原始ONLM算法與該文算法的去噪效果圖如圖3，搜索窗大小為21×21，相似窗大小為5×5，h2=10σ。通過對(duì)比觀察，該文算法去噪后保留了更多的細(xì)節(jié)信息。

5結(jié)束語(yǔ)

相對(duì)于ONLM，該文的算法較大地提高了濾波結(jié)果的PSNR，具有很好的視覺效果，新算法可以應(yīng)用在各種圖像的前期處理過程中。對(duì)參數(shù)h的研究可以作為后期的研究方向。

參考文獻(xiàn)：

[1] RudinL I,Osher S,Fatemi E.Nonlinear total variation based noise removal algorithms [J]. Physica D,1992,60(1):259-268.

[2] Tomasi C, Manduchi R. Bilateral filtering for gray and color images [C]//Proceedings of the Computer Vision Sixth International Conference.Bombay,India:Narosa Publishing Hose,1998:839-846.

[3] Portilla J,Strela V. Image denoising using scale mixtures of Gaussians in the wavelet domain [J].IEEE Transactions on Image Processing, 2003,12(11):1338-1351.

[4] Buades A，Coil B，Morel J M.A Review of Image Denoising Algorithms with a New OneIJ].Multiscale Modeling&Simulation,2005,4(2)：490-530.

[5] Buades A，Coil B，Morel J M .Image Denoising Methods.A New Nonlocal Principle[J].SIAM Review,2010,52(1):113-147.

[6] Tian Jing，Yu Weiyu，Xie Shengli.On the Kernel Function Selection of Nonlocal Filtering for Image Denoising[C]//Proc.of IEEE Int1 Conf.on M achine Learning and Cybern etics. Kunm ing，China：[s.n.]，2008.