混合相似性权重的非局部均值去噪算法
non-local means filter参数
非局部均值滤波器（non-local means filter）参数在图像处理领域，非局部均值滤波器（non-local means filter）是一种常用的图像去噪方法，它的参数对去噪效果起着至关重要的作用。
本文将针对非局部均值滤波器的参数进行全面评估，并探讨其在图像处理中的应用。
1. 参数一：搜索窗口大小非局部均值滤波器中的搜索窗口大小决定了在进行像素去噪时所考虑的范围。
较大的搜索窗口可以获得更广阔的上下文信息，但也会导致计算量增加，影响算法的速度。
在实际应用中，需要根据图像的特点和需求来选择合适的搜索窗口大小。
2. 参数二：相似性权重非局部均值滤波器中的相似性权重用于衡量两个像素之间的相似程度，从而确定是否需要对其进行去噪。
相似性权重较大时，说明两个像素非常相似，去噪效果明显；相似性权重较小时，意味着两个像素差异较大，不适合进行去噪操作。
合适的相似性权重可以有效地提高非局部均值滤波器的去噪效果。
3. 参数三：邻域窗口大小非局部均值滤波器中的邻域窗口大小用于确定每个像素的局部上下文信息。
较大的邻域窗口可以捕捉更多的局部细节，但也会增加计算复杂度。
在选择邻域窗口大小时，需要综合考虑图像的特点和去噪的需求，以获得最佳的去噪效果。
总结回顾：通过对非局部均值滤波器的参数进行全面评估，我们了解到参数的选择对去噪效果有着重要的影响。
在实际应用中，需要根据图像的特点和去噪的需求来合理地选择参数，以获得最佳的去噪效果。
个人观点与理解：非局部均值滤波器作为一种常用的图像去噪方法，在实际应用中具有广泛的应用前景。
通过合理地选择参数，可以有效地提高图像的质量，从而满足不同领域的需求。
我认为，随着图像处理技术的不断发展，非局部均值滤波器将在图像去噪领域发挥越来越重要的作用。
就以上内容展开全面的评估和讨论后，可以根据需要适当调整结构和增加详细内容。
非局部均值滤波器（non-local means filter）是一种常用的图像去噪方法，它利用图像中局部区域的相似性来进行像素去噪处理。
非局部均值图像去噪算法
若需要附件请联系： QQ：2013198460 E_mail：juefeiimage@
式中， I 为受噪声污染的图像； NL 为经过 NL-means 图像去噪后的图像； ni (i 1, 2,3) 表示图像 的第 ni （ ni 为像素点坐标）个像素点， I (ni ) 为其对应灰度值， R(ni ) 和 S (ni ) 分别为以 ni 为中心的相 似窗和搜索窗； (n1 , n2 ) 和 d (n1 , n2 ) 分别表示 R(n1 ) 与 R(n2 ) 相似程度和欧氏距离（两个图像块的欧 式距离为两图像块差的平方和） ， h 为衰减参数。 （2）非局部均值算法中参数设置 非局部均值一共有 3 个参数：相似窗 R(ni ) 的大小、搜索窗 S (ni ) 的大小、衰减参数 h 的取值。 这三个参数取值是相互影响，共同作用于 NL-means 的去噪效果：相思窗 R(ni ) 的取值决定使用多大 的窗口进行相似性度量，相似窗过小时大部分相似窗之间的欧氏距离相近，无法区分是否相似，过 大时计算复杂度过高；搜索窗 S (ni ) 的取值决定使用多大的窗口寻找相似窗， 搜索窗过小时可能找不 到足够的相似窗，过大时则计算复杂度过高，理论上，搜索窗为全图时去噪效果最好，但事实并非 这样，搜索窗过大反而会使去噪精度下降（欧氏距离度量相似性的原因） ；衰减参数 h 实际是一个阈 值的作用，当两个相似窗的欧式距离小于 h 时则判定为相似（占得权重 (n1 , n2 ) 较大） ，否则判定为 不相似 （占的权重 (n1 , n2 ) 较小） 。 因此， 增大相似窗 R(ni ) 的大小， 减小 h 的大小， 增大搜索窗 S (ni ) 的大小， 三者对 NL-means 去噪精度的提升可达到同样的效果。 前人大量实验得到三个参数的取值：
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
Ａｂ ｔ ａ ｔ Ｉ ｇ ｅ ｏ ｓ ｇ ｈ ｓａ ｙ ｅ ｎ ａｈ ｔｉ ｕ ｎ Ｃｏ ｕ ｅ ａ ｈ ｃ ａ ｄ Ｃｏ ｕ ｅ ｓ ｎ Ｎｏ — ｏ ａ Ｍ ｅ ｎ ｔ ｏ ｓｏ ｅ ｏ ｓｒ ｃ ｍａ ｅ ｄ ｎ ｉ ｎ ａ ｌ ｉ ｉ ｗａ ｓｂ ｅ ｏ ｓ ｅ ｉ ｍｐ ｔｒ Ｇｒ ｐ ｉ ｎ ｍｐ ｔｒＶｉ ｏ ． ｓ ｉ ｎ ｌｃｌ ａ ｓｍｅｈ ｄ ｉ ｎ ｆ
ｔ ｅ ｔｐｅ ｏ ｍ ｉ ｇ ｅ ｈ ｓｗｈｉｈ ａ ｏ ｅｔｅ ｅ ｈｅｇｒ ａ ｒ ｒ ｎ ｍ ｔ ｏｄ ｆ ｃ ｒ ｕｓ ｒ ｍ ｎｄｏ ｅ ｅ ｒ ｈ． ｍ ｉ ｇ ａ ｈｅｐｒ ｂｌｍ ｆｂ ｕ ｓｔ ｅ ａｌ ｎ ｏｒｇ ｎ ｏｎ—ｌ ｃ ｌｍ ｅ ｎ ｌ ｕｓｒ ｓ ａｃ ． Ａｉ ｎ ｔｔ ｏ ｅ ｏ ｌ ｒ ｈｅ ｄ ｔｉ ｉ ｉ ｉ ａ ｎ ｓ ｌ ｏ ａ ａ ｓａ—
中图分类号 ： Ｐ ８ 文献标识码 ： 文章编号 ：０ ９ ３ ４ （０ ２２ — ４ ８ ０ Ｔ １３ Ａ １０ － ０４２ １ ）２ ５ — ２
Ｔｈ ｎ ｃ ｌ ｅ ｎ ｎ ｉｉ ｇ Ｒｅ ｅ ｒ ｈ ｅＮｏ Ｌｏ ａ ａ ｓＤｅ ｏ ｓｎ ｓ ａ ｃ Ｍ
ＬＩ ｕｏ—ｙａ Ｕ Ｚｈ
Ｉ Ｎ ０ ９ ３ ４ ＳＳ １ ０ － ０ ４
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。
基于非局部均值的图像降噪
基于非局部均值的图像降噪祁国平;吴朝润【摘要】The article introduces the basic idea of the image denoising research,then describes a non-local means denoise algorithms.Finally,it uses MATLAB R2008a to achieve the noise reduction effect of the non-local mean noise reduction algorithm under the different standard deviation,and assessment this algorithm with structural similarity and peak signal to noise,lists the image denoise processing results and evaluation criteria for data.On this basis,it finds the image denoising algorithm that suitable for human visual system.%首先介绍了图像降噪的基本思路,其次介绍了非局部均值降噪算法,最后用MATLAB R2008a实现非局部均值降噪算法在不同标准差下的降噪效果,用结构相似度及峰值信噪比评价标准评价该算法,列出它们的图像降噪处理结果及评价准则数据。
在此基础上寻找适合人类视觉效果的图像降噪算法。
【期刊名称】《山西电子技术》【年(卷),期】2012(000)002【总页数】3页(P45-47)【关键词】图像降噪;非局部均值;峰值信噪比;结构相似度【作者】祁国平;吴朝润【作者单位】中北大学电子测试技术国家重点实验室,山西太原030051;中北大学信息与通信工程学院,山西太原030051【正文语种】中文【中图分类】TP391图像降噪方法的目的是从噪声图像中恢复原始图像，其中，v(i)是观察值，u(i)是真实值，n(i)是像素i上的噪声干扰。
非局部均值NLM进行图像去噪
使用双边和非局部均值滤波进行医学图像去噪摘要医学图像的瓶颈之一是信噪比很低，因此需要对同一对象进行长时间和重复性的获取来降低噪声和模糊。
为了获取一个高信噪比而不需要长时间重复性的扫描，数据的后期处理（例如去噪）就具有重要意义。
双边滤波和非局部均值滤波经常被用来进行医学图像去噪。
本文提出了一种阈值方案即通过对通用的阈值引入比例因子进行小波和轮廓波变换的去噪。
同时本文提出的轮廓波阈值方案也可作为双边和NLM滤波的预处理步骤。
仿真实验表明本文提出的单个实体包括预处理步骤和双边或NLM去噪步骤，在PSNR和感觉质量方面明显优于单个的双边滤波或单个的NLM去噪。
1、介绍先进医学图像技术的快速发展例如磁共振成像（MRI），正电子发射断层扫描（PET）和CT技术在病人体内进行无创性诊断提供了新的方式。
基于成像模式的一些先进技术仍在研究阶断，但是从没有达到常规的临床应用中。
瓶颈之一就是由于信噪比低，对于同一对象需要进行长时间和重复性的获取来降低噪声和模糊。
例如，一个高信噪比的扩散张量成像数据集需要一个小时获取数据。
一个高信噪比的高角分辨率扩散成像数据的获取需要13个小时。
为了从噪声和模糊图像中恢复高信噪比图像，而不需要长时间重复性扫描，数据的后处理在以下两个方面具有置关重要的角色：（1）自动去噪和去模糊算法恢复数据能降低时间消耗；（2）计算目标的分割技术能够从噪声观测值中直接、自动地将数据提取出来。
在医学图像中我们经常会面临一个相对较低信噪比或者与一个较好的SNR有一个较低对比度情况，庆幸的是人类视觉系统在结构识别（甚至存在相当大的噪声）都是卓有成效的。
但是如果SNR太小或对比度太低就很难检测解剖结构。
定义整体图像质量包括实际和感觉标准。
此外，它在很大程度上取决于特定的诊断任务。
在某些情况下，需要一个高的空间分辨率和一个高的对比度，然而，在其它情况下，更多是是需要知觉的标准。
对于一个医学图像的视觉分析，细节的清晰（主要包括边缘信息和对象的可见度）是很重要的。
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。
非局部平均的去噪方法研究（模式识别与智能系统专业优秀论文）
摘要非局部平均的去噪方法研究摘要本论文主要围绕着图像去噪这个困扰了研究学者已久的图像处理难点展开了讨论，对非局部几何思想及其在图像去噪中的应用进行了研究，主要内容包括：Non-Local means算法的实现、Non-Local means算法与其它去噪算法的方法噪声比较、合理邻域的选择以及基于广义Gaussian模型的Non-Local去噪算法。
图像去噪问题由来已久，去噪的好坏会直接影响整个图像处理算法的质量。
自然图像中要区分细节信息与未知的噪声信息是相当困难的。
去噪算法的基本的思想是平均，因而关键点就在于如何使图像同时得到平滑，又在细节、或称为高频部分予以保留。
A. Buades等人提出了方法噪声的概念，转换了人们对于去噪问题的视角。
本文针对方法噪声的概念，给出了Gaussian滤波器、各向异性滤波器、Wiener滤波器、小波阈值去噪方法以及Non-Local means的方法噪声公式，并通过具体实验结果证明了Non-Local means算法的优越性；针对Non-Local的算法冗余度，提出适当地筛选邻域，保留相似性较大的像素、舍弃权值较小的像素，可以在保持去噪效果的基础上提高运算速度。
邻域平均灰度值和梯度值都是很好的选择；将Non-Local思想与小波域广义Gaussian模型相结合，在分解图像的各个子波带运用Non-Local means算法。
经实验证明该算法有较好的去噪结果。
关键词：非局部平均，方法噪声，广义Gaussian模型，邻域相似度，小波阈值，图像去噪A RESEARCH ON IMAGE DENOISINGBY NON-LOCAL MEANSABSTRACTThis thesis mainly discusses about image denoising, which has disturbed researchers for quite a long period. It does researches on Non-Local algorithm and its application in image denoising. The thesis emphasizes on the following parts: implementation on Non-Local means, comparison of method noise among Non-Local means and other filters, rational selection of neighborhoods, and Non-Local means algorithm based on General Gaussian Distribution.The noise reduction will affect the whole work of image processing. It’s extremely difficult to distinguish unknown noise from details and structures in natural images. The basic idea of denoising is average, so the key point is how to do smoothing while preserving details or high frequency parts. A. Bades, et al brought forward the concept of method noise, which changed the viewpoint of the problem.Based on the above, the contributions of our work mainly focus on the following aspects:1. Formulae of method noise for the Gaussian smoothing filter, the anisotropic filter, the Wiener filter, the translation invariant wavelet thresholding, and Non-Local means algorithm are deduced. The experiments’ result shows that Non-Local means is better than any mentioned filters.2. In order to accelerate the Non-Local means algorithm, filters that eliminate unrelated neighborhoods from the weighted average are introduced. These filters are based on local average gray values and gradients, pre-classifying neighborhoods and thereby reducing the original quadraticcomplexity to a linear one and reducing the influence of less-related areas in the denoising of a given pixel.3. A denoising technique based on General Gaussian Distribution is addressed. The wavelet coefficients of a noised image in each sub-band are modelized by a GGD whose parameters are estimated using an appropriate technique. The estimated parameters are used to define a generalized Non-Local mean which allows us to restore the original image. This algorithm allows us to reduce the computational cost since processed images are smaller.KEY WORDS: Non-Local means, Method Noise, General Gaussian Distribution, Neighborhood Similarity, Wavelet Thresholding, Image Denoising上海交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。
- 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)。
ｓｔｒｕｃｔｕｒｅ ｐｅｒｃｅｐｔｉｏｎ ｗａｓ ｕｓｅｄ ｔｏ ｄｅｆｉｎｅ ｎｅｉｇｈｂｏｒｈｏｏｄ ｓｉｍｉｌａｒ ｉｔｙ ｍｅａｓｕｒｅ， ｗｈｉｃｈ ｃａｎ ｍｏｒｅ ａｃｃｕｒａｔｅｌｙ ｒｅｆ ｌｅｃｔ ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｂｅｔｗｅｅｎ ｎｅｉｇｈｂｏｒｈｏｏｄｓ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＮＬＭ ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｈｙｂｒｉｄ ｓｉｍｉｌａｒ ｉｔｙ ｗｅｉｇｈｔｅｄ ＮＬＭ ａｌｇｏｒｉｔｈｍ ｐｅｒｆｏｒｍ ｓ ｂｅｔｔｅｒ ｔｈａｎ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＮＬＭ ｉｎ ｒｅｔａｉｎｉｎｇ ｔｈｅ ｔｅｘｔｕｒｅ ｄｅｔａｉｌｓ ａｎｄ ｅｄｇｅ ｉｎｆｏｒ ｍ ａｔｉｏｎ，ａｎｄ ｔｈｅ
关键词 ：图像 去噪 ；非局部均值 ；相似性度 量；奇异值分解 ；平稳 小波变换 中图 分 类 号 ：ＴＰ３９１．４１３ 文 献 标 志 码 ：Ａ
Ｎｏｎ—ｌｏｃａｌ ｍ ｅａｎｓ ｄｅｎｏｉｓｉｎｇ ａｌｇｏｒｉｔｈｍ 、 ｔｈ ｈｙｂｒｉｄ ｓｉｍ ｉｌａｒｉｔｙ ｗｅｉｇｈｔ
ＨＵＡＮＧ Ｚｈｉ ．ＦＵ Ｘｉｎｇｗｕ．ＬＩＵ Ｗａｎｊｕｎ
Ｓｔｒｕｃｔｕｒａｌ ＳＩＭｉｌａｒｉｔｙ（ＳＳＩＭ）ｉｎｄｅｘ ｍｅａｓｕｒｅｍｅｎｔ ｖａｌｕｅｓ ｉｓ ａｌｓｏ ｉｍｐｒｏｖｅｄ ｉｎ ｃｏｍｐａｒ ｉｓｏｎ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＮＬＭ ａ ｌｇｏｒｉｔｈｍ．
Ｗ ｈｅｎ ｔｈｅ ｎｏｉｓｅ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ ｉｓ ｌａｒｇｅ ｅｎｏｕｇｈ，ｔｈｅ ｐｒｏｐｏｓｅｄ ａｐｐｒｏａｃｈ ｉｓ ｏｆ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ａｎｄ ｒｏｂｕｓｔｎｅｓｓ．
Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｄｅｎｏｉｓｉｎｇ；Ｎｏｎ—Ｌｏｃａｌ Ｍｅａｎｓ（ＮＬＭ）；ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅ；Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）；
Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ
计 算 机 应 用，２０１６，３６（２１：５５６—５６２
ＩＳＳＮ １０ｏ１—９０８１ ＣＯＤＥＮ ＪＹＩＩＤＵ
２０１６．．Ｏ１．．１０
ｈｔｔｐ：／／ｗｗｗ．ｊｏｅａ．ｃｎ
文 章 编 号 ：１００１—９０８１（２０１６）０２—０５５６—０７
ＤＯＩ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１·９０８１．２０１６．Fra bibliotek２．０５５６
混合 相 似 性 权 重 的 非局 部 均 值 去 噪 算 法
黄 智 ，付兴武，刘 万军
（辽宁工程技术大学 软件学 院，辽宁 葫芦岛 １２５１０５） （ 通信作者电子邮箱 ２７３７３８９１６＠ｑｑ．ｃｏｍ）
ｓｉｍｉｌａｒｉｔｙ ｂｅｔｗｅｅｎ ｔｗｏ ｎｅｉｇｈｂｏｒｈｏｏｄｓ ｕｎｄｅｒ ｌａｒｇｅ ｎｏｉｓｅ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ．Ｔｏ ａｄｄｒｅｓｓ ｔｈｉｓ ｐｒｏｂｌｅｍ，ａ ｎｅｗ ＮＬＭ ｄｅｎｏｉｓｉｎｇ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｓｉｍｉｌａｒｉｔｙ ｗｅｉｇｈｔ ｗａｓ ｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｎｏｉｓｅ ｉｍａｇｅ ｗａｓ ｄｅｃｏｍｐｏｓｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆ ｓｔａｔｉｏｎａｒｙ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ， ａｎｄ ｔｈｅ ｆｉｌｔｅｒｉｎｇ ｆｕｎｃｔｉｏｎ ｗａｓ ｕｓｅｄ ｔｏ ｐｒｅｄｅｎｏｉｓｅ ｅａｃｈ ｄｅｔａｉｌｅｄ ｓｕｂｂａｎｄ ｄａｔａ． Ｓｅｃｏｎｄｌｙ， ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｒｅｆｉｎｅｄ ｉｍａｇｅ， ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｒｅｆｅｒｅｎｃｅ ｆａｃｔｏｒ ｂｅｔｗｅｅｎ ｔｈｅ ｐａｔｃｈｅｓ ｗａｓ ｃａｌｃｕｌａｔｅｄ， ａｎｄ ｉｔ ｗａｓ ｕｓｅｄ ｔｏ ｒｅｐｌａｃｅ Ｇａｕｓｓ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＮＬＭ ａｌｇｏｒ ｉｔｈｍ． Ｆｉｎａｌｌｙ， ｔｏ ｍａｋｅ ｔｈｅ ｓｉｍｉｌａｒ ｉｔｙ ｗｅｉｇｈｔｓ ｍｏｒｅ ｉｎ ｌｉｎｅ ｗｉｔｈ ｔｈｅ
（Ｓｃｈｏｏｌ ｏｆＳｏｆｔｗａｒｅ，Ｌｉａｏｎｉｎｇ Ｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｕｌｕｄａｏ Ｌｉａｏｎｉｎｇ １２５１０５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｔｒａｄｉｔｉｏｎａｌ Ｎｏｎ—Ｌｏｃａｌ Ｍｅａｎｓ（ＮＬＭ） ａｌｇｏｒ ｉｔｈｍ，ｔｈｅ ｗｅｉｇｈｔｅｄ Ｅｕｃｌｉｄｅａｎ ｎｏｒｍ ｃａｎ ｎｏｔ ｔｒｕｌｙ ｒｅｆｌｅｃｔ ｔｈｅ
摘 要 ：针 对传 统非局部 均值 （ＮＬＭ）滤波在噪声标准 差较 大时，加权 欧氏距 离不能真 实反映邻域 块相似度 的 问 题 ，提 出一种 新的混合相似 性权 重的非局 部均值 去噪算 法。首先 ，利 用平稳 小波 变换 的特点对噪 声图像 进行分解 ，并 利用滤波 函数对 细节子 带进行预去噪 处理 ；然后 ，根据预去噪 图像计算块 间相似性参考 因子 ，并使 用其 替换传统 ＮＬＭ 算法 中高斯核 函数 ；最后 ，为使相似性权重更符合人眼视觉 系统（ＨＶＳ）特 点 ，使 用基 于 图像 结构感知的块 奇异 值分解 （ＳＶＤ）方法定义邻域间相似性度量 ，与传 统 ＮＬＭ 算法相比能更为真 实地反 映邻域 间相似度。 实验 结果表 明 ，混合相 似性权重 的非局部均值 去噪 算 法较传 统 ＮＬＭ 算 法在视 觉上 能更好 地保 留纹理 细节及 边缘信 息 ，而且 结构 相似 度 （ＳＳＩＭ）指 标较 传统 ＮＬＭ 算法也有一定提 高 ，在噪声标准差较 大情况下具有有效性和鲁棒性。