一种改进的非局部均值图像去噪算法

合集下载

基于马氏距离的改进非局部均值图像去噪算法

第28卷第3期 2016年3月计算机辅助设计与图形学学报Journal o f Computer-Aided Design & Computer GraphicsVol.28 No.3M ar.2016基于马氏距离的改进非局部均值图像去噪算法阴盼强义路东明 '袁渊2)南京理工大学电子工程与光电技术学院南京210094)2>(微光夜视技术重点实验室西安710065)(yinpanqiang@)摘要：通过对原非局部均值(NLM)图像去噪算法进行改进，提出一种利用马氏距离作为衡量图像像素点相似性的非局部均值图像去噪算法.首先针对样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离；然后对图像数据进行相关性分析和降维处理，提取数据主成分，简化特征空间中马氏距离的计算方法；最后利用此马氏距离生成高斯加权核函数，对图像进行去噪.采用一系列加有噪声的典型图像对文中算法进行实验，证明了该算法可获得比原NLM图像去噪算法更好的去噪效果；利用多组数据对文中算法中的滤波参数A进行分析，得到噪声方差与滤波参数A的关系式，可以获得接近于改进图像去噪算法的最佳去噪性能.关键词：非局部均值算法；马氏距离；图像去噪中图法分类号：TP751.1An Improved Non-local Means Image De-noising Algorithm Using Mahalanobis DistanceY in Panqiang1)，Lu Dongm ing1),and Yuan Yuan2)^ (School o f E lectronic and Optical Engineering, Nanjing University o f S cience & Technology, Nanjing210094)2) (Science and Technology on Low-Light-Level Night Vision Laboratory, Xi 'an710065)A bstract:An improved non-local means(N LM)image denoising algorithm is proposed,which uses Mahalanobis distance to measure the sim ilarity between the image pixels.Firstly,calculating the Mahalanobis distance between the image pixels in the eigenspace since the Mahalanobis distance is not robust in the sample space.Secondly,the image data is analyzed w ith the principal component analysis method,thus the Mahalanobis distance equation is sim plified.F inally,the improved N LM image denoising algorithm is obtained w ith the Gaussian weighted kernel function which is composed o f the sim plified Mahalanobis distance.The experimental results on several typical images show that the improved N LM algorithm can achieve better denoising effect than the original N LM algorithm w ith a variety o f image quality evaluation method.The filte r parameter in the improved N LM denoising algorithm is analyzed in details and the equation between the filte r parameter and the image noise variance is estimated.Based on the equation,the experimental results achieve nearly best denoising performance o f the improved filte rin g algorithm.Key words:non-local means algorithm;Mahalanobis distance;image de-noising收稿日期：2015-03-06;修回日期：2015-07-24.基金项目：微光国家重点实验室基金.阴盼强(1990_)，男，硕士研究生，主要研究方向为红外微光数字图像处理；路东明(1976—)，男，硕士，讲师，主要研究方向为光电探测与图像工程；袁渊(1986—)，男，硕士研究生，主要研究方向为微光器件总装集成技术.第3期阴盼强，等：基于马氏距离的改进非局部均值图像去噪算法405图像是人类感知世界、获取信息、传递信息的重要手段，图像信息在获取、传递和记录的过程中会受到大量噪声的干扰[1].图像中广泛存在的一类噪声是完全随机叠加在图像中的近似呈高斯分布的白噪声，去除这类噪声是图像去噪研究的基础. 因为去除高斯白噪声的研究不仅会对去除其他类噪声有重要的借鉴作用，而且对大多数噪声的处理最终会归结到对高斯白噪声处理的问题上[2].对图像中髙斯白噪声的处理已经有许多经典算法，如高斯滤波、均值滤波和中值滤波等算法. 但这些算法会造成图像中细节信息的丢失，并且在噪声较大时并不能获得令人满意的去噪效果.近年来，浦现出一些新型的去噪算法，如小波阈值去噪(也称小波萎缩法)[3]、全变法(total variation,TV)图像去噪、基于偏微分方程(partial differential equation, PDE)的非线性扩散图像去噪、非局部均值(non-local means,N LM)滤波、三维块匹配(block matching3D, B M3D)去噪等[4].其中，由8仙(168等[5-6]于2005年提出的N L M图像去噪算法是一种与其他去噪方法截然不同的图像去噪方法，它充分利用白噪声均值为零的性质和图像内的图像块存在局部相似性的性质，通过对相似像素进行加权平均来估计像素的真实值，获得了良好的图像去噪效果.然而，N L M图像去噪算法的一个不足之处是计算量较大，它同时计算了2个像素的像素值相似度和结构相似度，需要考虑2个像素周围一定区域内多个像素；另外一个不足来自于利用2个像素间的欧氏距离计算像素权值.欧氏距离是一种对不同样本数据进行相似性度量的方法，该方法虽然简单，但也有明显的缺陷：它没有考虑不同样本分布的不同，也不能排除数据间相关性的干扰，因此影响了 N L M图像去噪算法获得更好的图像去噪效果[7-9]本文针对N L M图像去噪算法的第二个不足，提出了一种基于马氏距离的改进N L M图像去噪算法 (improved non-local means,IN L M),获得了明显优于原N L M图像去噪算法最佳性能的图像去噪效果. 根据仿真实验数据，对所提算法中的滤波参数办进行分析，得到了滤波参数A与图像噪声方差的关系式.1 N L M图像去噪算法N L M图像去噪算法是在图像全域内搜索与目标点相似的所有像素，通过加权平均估算像素点的方法.相似像素之间不仅像素值相似，邻域结构也相似[1<)].其具体处理过程如下：给定一幅带噪声的图像rC/}，经过N L M图像去噪算法滤波后得到图像 N L M.对图像中某个像素i,按坐标M的窗口邻域内的像素的灰度值对f进行加权平均，为窗口邻域内其他像素的坐标.其中，是坐标为的像素的灰度值,w(x,■，乃,',。

非局部均值图像去噪算法研究

摘要：图像去噪一直都是计算机图形处理和计算机视觉中的一个研究热点，中非局部化均值算法是近年来去噪效果出色的算法其之一，是非局部均值算法容易导致细节模糊，但该文基于指数加权函数的基础上引进了余弦函数，出了一种改进的非局部均值图提
像去噪方法，通过实验表明，该文的改进算法比传统的算法更能保持细节。关键词：图像处理；非局部均值算法；图像去噪；高斯噪声
ＡｂｔａｔＩｇｅｏｓｇｈｓａｙｅｎａｈｔｉｕｎＣｏｕｅａｈｃａｄＣｏｕｅｓｎＮｏ — ｏａＭｅｎｔｏｓｏｅｏｓｒｃｍａｅｄｎｉｎａｌｉｉｗａｓｂｅｏｓｅｉｍｐｔｒＧｒｐｉｎｍｐｔｒＶｉｏ．ｓｉｎｌｃｌａｓｍｅｈｄｉｎｆ
ｔｅｔｐｅｏｍｉｇｅｈｓｗｈｉｈａｏｅｔｅｅｈｅｇｒａｒｒｎｍｔｏｄｆｃｒｕｓｒｍｎｄｏｅｅｒｈ．ｍｉｇａｈｅｐｒｂｌｍｆｂｕｓｔｅａｌｎｏｒｇｎｏｎ—ｌｃｌｍｅｎｌｕｓｒｓａｃ．Ａｉｎｔｔｏｅｏｌｒｈｅｄｔｉｉｉｉａｎｓｌｏａａｓａ—
中图分类号：Ｐ８文献标识码：文章编号：０９３４（０２２ — ４８０Ｔ１３Ａ１０－０４２１）２５ — ２
ＴｈｎｃｌｅｎｎｉｉｇＲｅｅｒｈｅＮｏＬｏａａｓＤｅｏｓｎｓａｃＭ
ＬＩｕｏ—ｙａＵＺｈ
ＩＮ０９３４ＳＳ１０－０４

一种改进的非局部均值图像去噪算法

一种改进的非局部均值图像去噪算法刘晓明，田雨，何徽，仲元红(重庆大学通信工程学院，重庆 400030)摘要：传统非局部均值滤波算法中使用指数型加权核函数，容易导致图像细节因过度平滑而变得模糊。

为此，在指数型加权核函数的基础上，采用余弦系数加权的高斯核函数，设计一种改进的非局部均值图像去噪算法，并将其应用于加权系数计算中。

实验结果表明，该算法的去噪性能优于传统算法，且能更好地保留原图像的细节信息，峰值信噪比最大可以提升1.6 dB 。

关键词：图像处理；图像去噪；非局部均值；加权平均；高斯噪声；加权核函数Improved Non-local Means Algorithm for Image DenoisingLIU Xiao-ming, TIAN Yu, HE Hui, ZHONG Yuan-hong(College of Communication Engineering, Chongqing University, Chongqing 400030, China)【Abstract 】Aiming at the problem of the over-smoothness and blurs the details, which are caused by exponential kernel function used in original non-local means algorithm, this paper proposes a cosine Gaussian kernel function based on exponential kernel function and combined with a cosine coefficient and Gaussian kernel. 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, especially with detail information in the image, and PSNR can be improved by 1.6 dB at most.【Key words 】image processing; image denoising; non-local means; weighted average; Gaussian noise; weighted kernel function DOI: 10.3969/j.issn.1000-3428.2012.04.065计算机工程Computer Engineering 第38卷第4期 V ol.38 No.4 2012年2月February 2012·图形图像处理· 文章编号：1000—3428(2012)04—0199—03文献标识码：A中图分类号：TP3911 概述图像去噪是图像处理领域中最基础和广泛研究的热点问题。

一种用于图像去噪的非局部算法

一种用于图像去噪的非局部算法摘要我们提出了一种新的方法噪声方法来评估和比较数字图像去噪方法的性能。

我们首先计算和分析这种方法噪声的一大类去噪算法，即局部平滑滤波器。

其次，基于图像中所有像素的非局部平均，我们提出了一种新的算法- 非局部均值（NL-means）。

最后，我们介绍一些比较NL均值算法和局部平滑滤波器的实验。

1.介绍图像去噪方法的目标是从噪声测量中恢复原始图像，其中v（i）是观测值，u（i）是“真”值，n（i）是像素i处的噪声扰动。

模拟噪声对数字图像影响的最简单方法是添加高斯白噪声。

在那种情况下，n（i）是i.i.d. 具有零均值和方差σ2的高斯值。

已经提出了几种方法来消除噪音并恢复真实的图像。

尽管它们在工具上可能有很大不同，但必须强调的是，广泛的类别具有相同的基本评论：去噪是通过平均来实现的。

这种平均可以在本地进行：高斯平滑模型（Gabor [7]），各向异性过滤（Perona-Malik [11]，Alvarez等人[1]）和邻域过滤（Yaroslavsky [16]，Smith 等人。

[14]，Tomasi等人[15]）通过变分计算：总变差最小化（Rudin-Osher-Fatemi [13]）或频域中：经验维纳滤波器（Yaroslavsky [16] ）和小波阈值法（Coiffman-Donoho [5,4]）。

在形式上，我们定义了一个降噪方法Dh作为分解其中v是噪声图像，h是通常取决于噪声标准偏差的滤波参数。

理想情况下，Dhv比v更平滑，n（Dh，v）看起来像是白噪声的实现。

光滑部分与非光滑部分或振荡部分之间的图像分解是当前研究的主题（例如Osher等人[10]）。

在[8]中，Y.Meyer研究了适合这种分解的功能空间。

后一个研究的主要范围不是去噪，因为振动部分包含噪音和纹理。

去噪方法不应改变原始图像u。

现在，大多数去噪方法会降低或消除u的细节和纹理。

为了更好地理解这种移除，我们将介绍和分析方法噪声。

一种改进权重的非局部均值图像去噪方法

一种改进权重的非局部均值图像去噪方法黄玲俐【期刊名称】《计算机技术与发展》【年(卷),期】2016(026)006【摘要】非局部均值( Non-Local Means,NLM)去噪采用图像邻域间的自相似性构造权重,进而达到图像恢复的效果。

文中对非局部均值去噪模型进行了介绍说明,尤其是对原始非局部均值去噪算法中的核函数—指数函数进行了描述,并且通过对几种新的加权核函数的分析说明,综合几种的优缺点,提出了一种新的加权核函数。

然后又对双边滤波算法进行了研究说明,借鉴双边滤波的优点,再结合之前提出的新的加权核函数,进而得到了一种改进的权重函数,提出了一种新的权重计算公式,得到了一种改进的非局部均值去噪算法。

通过对添加不同噪声水平的噪声图像进行实验,结果表明,与传统的非局部均值滤波算法相比,文中算法保护了恢复图像的边缘,突出了几何特征和纹理,去噪效果比原有算法有所提高,在去噪性能和结构信息上均有显著效果。

%The NLM denoising uses self-similarity of image between neighborhood to construct weight,thus to achieve the effect of image restoration. The non-local means denoising model is introduced in this paper,especially for the exponential function which is the kernel function in the original non-local means denoising algorithm. And through the analysis of several new weighted kernel function,integrat-ed the advantages and disadvantages of them,a new weighted kernel function is put forward. Then research on the bilateral filtering algo-rithm,reference of its advantages,and combined with new previous kernel function,animproved weighted function is obtained,proposing a new formula of weight,getting an improved non-local means denoising algorithm. The proposed method has been evaluated on testing images with various levels noise. Numerical results show that compared with the traditional non-local means algorithm, the improved method can protect the edges,highlight the geometry features and texture,make the denoising image become more clear and result in a better effect. The proposed method improves the denoising performance as well as the preservation of structure information.【总页数】4页(P16-19)【作者】黄玲俐【作者单位】电子科技大学数学科学学院，四川成都 611731【正文语种】中文【中图分类】TP301【相关文献】1.一种快速非局部均值图像去噪方法 [J], 伍世虔;杨超;蒋俊;曾良才2.一种基于多通道联合估计的非局部均值彩色图像去噪方法 [J], 王翔;干宗良;陈昌红;刘峰3.非局部均值的彩色图像去噪方法改进 [J], 张丽红;焦韶波4.一种快速非局部均值图像去噪方法 [J], 伍世虔;杨超;蒋俊;曾良才;5.一种改进权重的非局部均值图像去噪算法 [J], 赵庆平;陈得宝;姜恩华;方振国因版权原因，仅展示原文概要，查看原文内容请购买。

图像去噪的改进迭代非局部平均滤波方法

图像处理中图像去噪是人们一直致力于研究的问题．常，通一个较好的去噪方法应该是在去除噪声的同时又能较好地保留图像的原有信息以及对比度的清晰．统的图像去噪方法，中值滤波、传如高斯滤波等，主要是将图像的高频成份滤除，以得到的重构图像细节以及纹理区域比较模糊．所偏微分方程（Ｄ）１］ＰＥ［２以及总变分［］－３的方法近些年来在数学图像处理中得到了广泛应用．典型的为最
２１００年８月第３７卷第４期
西安电子科技大学学报（自然科学版）
Ｊ０ＵＲＮＡＬ０ＦＸＩＡＮＵＮＩＤＩＶＥＲＳＴＹＩ
Ａｕ．００ｇ２１
Ｖ０．７ＮＯ４１３．
图像去噪的改进迭代非局部平均滤波方法
（ｃｏｌｆＳｉｎｅＳｈｏｃｅｃ，ＸｉｉｎＵｎｖ．ｏｄａｉ，Ｘｉｎ７０７，Ｃｉａ ’ １０１ａｈｎ）
Hale Waihona Puke ＡｂｔａｔＡｎｉｅａｉｅｎｎｌｃｌａｓｆｔｒｆｒｉｇｅｏｓｎｓｐｏｏｅ．Ｆｒｔｅｐｏｏｅｔｏｓｒｃ：ｔｒｔｏ－ｏａｖｍｅｎｉｅｏｌｍａｅｄｎｉｉｇｉｒｐｓｄｏｈｒｐｓｄｍｅｈｄ，
ｐｏｏｅｉｒｔｖｎｎｌｃｌｒｐｓｄｔａｉｅｏ－ｏａｍｅｎｆｌｒＮｕｒｃｌｘｍｐｅｉｕｔａｅｈｔｈｐｏｏｅｍｅｈｄｅａｓｉｅ．ｔｍｅｉａｅａｌｓｌｓｒｔｔａｔｅｒｐｓｄｌｔｏｒｍｏｅｏｓｌｗｈｌｒｓｒｉｇｉｇｄｅｎｉｅｄｔｉ．ｅｖｓｎｉｅｗｅｌｉｐｅｅｖｎｍａｅｅｇｓａｄｆｅａｌｅｎｓＫｅｏｄ：ｎｎｌｃｌｍｅｎｉｅ；ｗｅｇｔｄａｅａｉｇ；ｄｆｕｉｎｅｕｔｎ；ｉｇｅｎｉｉｇｙＷｒｓｏ－ａａｓｆｔｒｏｌｉｈｅｖｒｇｎｉｓｑａｉｆｏｏｍａｅｄｓｏｓｎ

一种改进的非局部平均图像去噪算法

一种改进的非局部平均图像去噪算法许光宇;李玲【摘要】传统非局部平均NLM(Non-Local Means)图像去噪算法的像素相似性度量可靠性较差,其关键滤波参数选取与优化值偏差较大.针对上述问题,提出一种改进的NLM图像去噪算法.首先,滤除方法噪声中的噪声分量,保留有用图像信息;然后,联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数,更好地利用原图像的信息;最后,采用噪声标准差二次函数的方式设置滤波参数,相比于传统的线性正比方式选取参数,这种选取方式在不同噪声强度下均能获得较优的参数值.对几个标准测试图像的去噪结果表明,提出的改进NLM算法获得了较好的去噪效果,优于相比较的其他几种方法.%The pixel similarity measure of the traditional NLM image denoising algorithm is less reliable, and its key filter parameter selection and optimization value deviation is larger.Aiming at the above problems, an improved NLM image denoising algorithm is proposed.First, noise component in method noise is filtered, meanwhile preserving useful image information.Secondly, combined denoising result and the processed method noise, it is redefined the similarity function of the NLM algorithm to make better use of the original image information.Finally, the filter parameters are set by the noise standard deviation quadraticpared with the traditional linear proportional mode, the selection method can obtain better parameter values under different noise intensity.The denoising results of several standard test images show that the improved NLM algorithm achieves better denoising effect, which is superior to the comparison method.【期刊名称】《计算机应用与软件》【年(卷),期】2017(034)007【总页数】6页(P149-153,197)【关键词】图像去噪;非局部平均;方法噪声;参数优化【作者】许光宇;李玲【作者单位】安徽理工大学计算机科学与工程学院安徽淮南 232001;安徽理工大学计算机科学与工程学院安徽淮南 232001【正文语种】中文【中图分类】TP391图像在生成、获取和传输过程中经常受到噪声的干扰。

一种改进的非局部平均去噪方法

一种改进的非局部平均去噪方法
孙伟峰;彭玉华
【期刊名称】《电子学报》
【年(卷),期】2010(038)004
【摘要】对非局部平均去噪算法提出了以下改进:首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB,去噪效果优于BM-3D方法.
【总页数】6页(P923-928)
【作者】孙伟峰;彭玉华
【作者单位】山东大学信息科学与工程学院,山东济南,250100;山东大学信息科学与工程学院,山东济南,250100
【正文语种】中文
【中图分类】TN911
【相关文献】
1.图像去噪的改进迭代非局部平均滤波方法 [J], 冯象初;郝彬彬;朱见广
2.一种改进的集合平均经验模态分解去噪方法 [J], 屈中阳;李鸿光
3.一种改进的非局部平均图像去噪算法 [J], 许光宇;李玲
4.一种改进权重的非局部均值图像去噪方法 [J], 黄玲俐
5.基于低秩分解和改进的非局部平均的SAR图像相干斑抑制 [J], 沈荻帆; 张育; 任佳
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一种改进的非局部均值图像去噪算法
祝严刚;张桂梅
【期刊名称】《计算机工程与应用》
【年(卷),期】2017(053)018
【摘要】Non-Local Means(NLM)algorithm has good characteristic for removing noise and preserving image details. But the algorithm is time consuming and the accuracy decreases significantly with the increase of noise. Fast Non-Local Means(FNLM)algorithm speeds up operation and reduces time cost, but the performance of denoising has not improved when noise increased. Aiming at the problem, this paper proposes a novel non-local means denoising method. A new expo-nential-Turky kernel function is put forward by combining Turky function and exponential function, which subsitutes the original exponential kernel function in both NLM algorithm and FNLM algorithm. Furthermore, both the Structure Simi-larity(SSIM)and Euclidean distance are introduced to measure the similarity between image neighborhood, which make the selection of weight more reasonable, and eliminate the interference of the neighborhood with dissimmilar structure in the image, as a result, the performance of denoising is approved. The experiments carried out with images in database by adding different level of Gaussian noise, the results demonstrate that the proposed method improves denoising capacity greatly, especially for image with large noise. Additionly, the efficiency of
proposed method is enhanced obviously against NLM algorithm, and the time complexity is equal to FNLM algorithm and time consumption is close to FNLM algorithm too.%非局部均值滤波算法(Non-Local Means,NLM)有良好的去噪效果,且能保持图像细节.但其复杂度过高引起效率低下,在噪声增大时去噪精度明显下降.快速非局部均值滤波(Fast Non-Local Means,FNLM)虽然提高了算法的效率,但去噪效果没有明显改善,在噪声增大时去噪效果仍不理想.针对该问题,提出一种新的非局部均值滤波算法,算法将Turky型函数与指数型相结合,提出一种新的指数-Turky型权值核函数,替代原NLM算法和FN-LM算法中的指数型核函数,同时综合了结构相似性(Structural Similarity,SSIM)和欧氏距离来衡量图像邻域间的相似性,从而使得权值的选取更加合理,有效排除图像中不相似邻域的干扰,提高了算法的去噪性能.通过对添加不同噪声水平的高斯噪声图像进行实验,结果表明提出的算法在去噪性能上与NLM和FNLM相比有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与NLM相比有明显提高,与FNLM算法的时间复杂度相当,时耗接近略有降低.
【总页数】7页(P192-198)
【作者】祝严刚;张桂梅
【作者单位】南昌航空大学江西省图像处理与模式识别重点实验室,南昌 330063;南昌航空大学江西省图像处理与模式识别重点实验室,南昌 330063
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于改进非局部均值滤波算法的红外图像去噪 [J], 郭晨龙;赵旭阳;郑海燕;梁锡宁
2.基于马氏距离的改进非局部均值图像去噪算法 [J], 阴盼强;路东明;袁渊
3.一种改进的非局部均值图像去噪算法 [J], 刘晓明;田雨;何微;钟元红
4.改进非局部均值各向异性扩散图像去噪算法 [J], 王磊;王敏;张鹏程;任时磊;高晓玲;桂志国
5.一种改进权重的非局部均值图像去噪算法 [J], 赵庆平;陈得宝;姜恩华;方振国因版权原因，仅展示原文概要，查看原文内容请购买。