基于小波變換和SSIM的非局部均值圖像去噪方法研究.pdf

1、數(shù)字圖像處理是信息技術(shù)的一個重要領(lǐng)域,該技術(shù)的進(jìn)步也是日新月異。然而，受多方面因素的影響，人們在使用各種方法對圖像進(jìn)行處理的過程中，常常會受到隨機(jī)噪聲的干擾。噪聲的存在，降低了圖像質(zhì)量。同時，噪聲也不利于特征提取，給隨后的圖像分析工作帶來很大影響。因此，圖像去噪作為圖像處理領(lǐng)域中極為關(guān)鍵的預(yù)處理環(huán)節(jié)，具有非常重要的地位和應(yīng)用價值。
　　本文對多種去噪算法進(jìn)行了研究，重點(diǎn)研究了非局部均值算法（Nonlocal Means，NLM），

2、分析了算法的優(yōu)缺點(diǎn)，并對其進(jìn)行了改進(jìn)。其次，本文也對傳統(tǒng)中值濾波進(jìn)行了改進(jìn)。
　　在基于空間域的圖像去噪算法中，中值濾波算法是一種得到了廣泛使用的非線性濾波算法。然而，在噪聲密度過高時，其加工效果較差，不能較好的恢復(fù)原圖像。因此，本文研究了傳統(tǒng)中值濾波算法及改進(jìn),在本文第三章中提出了一種基于噪聲迭代檢測的中值濾波改進(jìn)算法，首先該算法對噪聲圖像進(jìn)行迭代的噪聲檢測，提高噪聲點(diǎn)檢測的準(zhǔn)確率，其次根據(jù)檢測到的噪聲點(diǎn)逐步改變?yōu)V波窗口的大小，

3、對噪聲圖像進(jìn)行漸進(jìn)中值濾波，最后，如果圖像中存在較大的噪聲塊，則噪聲用鄰域中的非噪聲點(diǎn)的灰度均值來代替。該算法的迭代噪聲檢測機(jī)制和漸進(jìn)濾波策略既能夠準(zhǔn)確的檢測出噪聲又較好地保留了圖像的細(xì)節(jié)點(diǎn)。
　　非局部均值（Nonlocal Means，NLM）圖像去噪算法的提出為圖像去噪領(lǐng)域引入了一種新的視角，也是本文重點(diǎn)研究的對象。在圖像去噪上應(yīng)用的非局部均值算法的改進(jìn)有兩個方面：
　?。?）本文對NLM的第一種改進(jìn)是在相似塊的匹配方

4、面，將SSIM模型應(yīng)用到非局部均值的相似塊之間的比較中，提出了一種基于SSIM的非局部均值圖像去噪算法（NLM-SSIM）。該方法利用SSIM綜合了圖像的表面特征與結(jié)構(gòu)信息的特點(diǎn)，基于此模型提高了相似集合的準(zhǔn)確性和泛化能力，從而改善了非局部均值算法的去噪效果；
　?。?）NLM在空間域中算是比較好的去噪方法，但是該方法對圖像細(xì)節(jié)的保留做的不夠好。由于小波變換能夠?qū)D像的平坦部分和細(xì)節(jié)信息分開，因此想到將小波變換與NLM結(jié)合抑制噪聲