论文部分内容阅读
图像去噪作为图像处理领域中最基础最关键的环节，其目的是从受噪声污染的图像中恢复出原始图像并尽可能多的保留图像的结构信息。非局部均值去噪算法作为图像去噪领域中一颗冉冉升起的新星，突破了传统局部去噪的模式，利用自然图像中的自相似性进行去噪，不仅具有较好的去噪效果，也能够较好的保留细节信息。本文对非局部均值去噪算法进行了深入研究，发现存在的一些不足，因此本文提出改进的非局部均值去噪算法，主要的研究内容如下: 针对非局部均值去噪算法通过计算含噪图像中的欧式距离度量相似性的问题，采用两级非局部均值去噪算法改善这种现象，但由于对含噪图像进行两次去噪处理，过度平滑图像的细节，为此从方法噪声图中提出有效的图像信号弥补图像的细节信息，由于方法噪声图中的信噪比非常低，不可避免的引入了过多的噪声，因而提出相关系数对欧式距离校正。实验结果表明，本文提出的基于相关系数的两级非局部均值去噪算法在峰值信噪比上优于非局部均值去噪算法和两级非局部均值去噪算法。 针对非局部均值去噪算法采用指数函数作为权重函数，衰减速度过快，对图像的自相似性利用不充分的问题，提出改进权重函数的非局部均值去噪算法。首先对几种常见的权重函数进行了比较，选择由余弦函数的扩展形式和高斯函数组成的分段函数作为改进的权重函数。实验结果表明，本文提出的改进算法在去噪性能和结构相似度上均比非局部均值去噪算法要好。