圖像去噪的非局部方法研究.pdf

1、隨著信息時(shí)代的逐步發(fā)展和圖像處理的日益普及，人們對(duì)圖像質(zhì)量的要求也越來(lái)越高。圖像在采集、獲取、傳輸過(guò)程中往往會(huì)受到噪聲的污染，噪聲是影響圖像質(zhì)量的主要因素，并且極大地影響了人們從圖像中提取信息。因此，非常有必要在分析和利用圖像之前消除噪聲，圖像去噪一直以來(lái)也都是計(jì)算機(jī)圖像處理和計(jì)算機(jī)視覺(jué)中的一個(gè)研究熱點(diǎn)。 非局部平均（Non-Local Means）是當(dāng)前一種新興而又非常有效的圖像去噪方法。它利用了大多數(shù)自然圖像會(huì)出現(xiàn)很多周期性

2、式樣和存在大量冗余信息，在全局中搜索灰度相似快進(jìn)行加權(quán)平均。但是這種方法僅僅考慮了圖像中像素點(diǎn)的灰度屬性，而忽略了它還具有的幾何屬性。因此，為了能充分利用數(shù)字圖像局部幾何結(jié)構(gòu)的自相似性，又由于結(jié)構(gòu)張量可有效刻畫(huà)數(shù)字圖像的局部幾何結(jié)構(gòu)特征，進(jìn)而本文提出了以下三種改進(jìn)的非局部平均去噪算法模型： （1）基于結(jié)構(gòu)張量的Non-Local Means Algorithm：“塊塊”匹配算法模型； （2）基于結(jié)構(gòu)張量的Non-Loca