本文選題：相似塊 + 非局部均值��； 參考：《西北大學(xué)》2017年碩士論文

【摘要】：圖像噪聲是由多種因素造成的一種隨機(jī)現(xiàn)象。噪聲的存在直接影響了圖像真實(shí)信息的表達(dá),如何從受到噪聲污染的圖像中恢復(fù)原有信息,提升圖像質(zhì)量已經(jīng)成為圖像處理領(lǐng)域的熱點(diǎn)研究方向。非局部均值(Non Local Mean,NLM)算法是一種能夠有效去除加性高斯噪聲的去噪算法,多年來吸引了大量學(xué)者的關(guān)注。NLM算法將相似塊的加權(quán)平均推廣到圖像整個區(qū)域,獲得了較好的去噪效果。但是,NLM算法在相似塊的選擇與度量、參數(shù)設(shè)置和執(zhí)行效率等方面仍存在一些不足。本文主要圍繞NLM算法中相似塊的選擇和度量開展研究,研究了 NLM圖像去噪算法的改進(jìn)和優(yōu)化。論文的主要研究工作包括:針對NLM去噪算法在部分區(qū)域圖像塊的相似度較低問題,提出了優(yōu)化相似塊選擇策略的改進(jìn)算法,通過超像素分割算法將圖像劃分為若干相似塊,在變化豐富的區(qū)域利用紋理信息直接選擇相似度更高的圖像塊;針對不同區(qū)域特點(diǎn)采用了不同尺寸的相似窗口,新的相似塊選擇策略保留了原圖像更多的紋理信息。針對相似度較小的圖像塊參與像素信息恢復(fù)時影響去噪效果的問題,提出了相似塊二次篩選和新的權(quán)重分配方法。考慮到與中心像素在同一類的圖像塊間具有更高的相似性,在搜索窗內(nèi)按相似塊的局部特征將其聚類,并對聚類同簇中的相似塊賦予更高的權(quán)值。由于選擇了更加合理的相似塊,提升了算法的去噪性能。針對NLM去噪算法中利用像素間的歐氏距離衡量相似度存在的不足,提出了一種新的判定函數(shù)用于相似塊的度量。通過對相似塊多級小波分解,從小波系數(shù)中提取能量信息并定義了基于小波的相似度評判函數(shù)。仿真實(shí)驗(yàn)表明新的相似度度量方法在圖像去噪時獲得了好的性能,體現(xiàn)了該方法的有效性。仿真實(shí)驗(yàn)表明了本文算法的有效性和可行性。
[Abstract]:Image noise is a random phenomenon caused by many factors. The existence of noise has a direct impact on the expression of real image information. How to recover the original information from the image contaminated by noise and improve the image quality has become a hot research direction in the field of image processing. Non-local mean Local (NLM) algorithm is a kind of denoising algorithm which can effectively remove additive Gao Si noise. For many years, it has attracted a lot of scholars' attention. The weighted average of similar blocks is extended to the whole region of the image, and a good denoising effect is obtained. However, the NLM algorithm still has some shortcomings in the selection and measurement of similar blocks, parameter setting and execution efficiency. This paper focuses on the selection and measurement of similar blocks in NLM algorithm, and studies the improvement and optimization of NLM image denoising algorithm. The main research work of this paper is as follows: aiming at the low similarity of NLM denoising algorithm in some regions, an improved algorithm to optimize the selection strategy of similar blocks is proposed, and the image is divided into several similar blocks by super-pixel segmentation algorithm. Texture information is used to directly select the image blocks with higher similarity in the regions with rich changes, and different sizes of similar windows are adopted for the characteristics of different regions. The new similarity block selection strategy retains more texture information of the original image. To solve the problem that image blocks with low similarity affect the denoising effect when pixel information is restored, a new method of weight allocation and quadratic filtering of similar blocks is proposed. Considering that the image blocks of the same class have higher similarity with the central pixels, the similar blocks are clustered according to the local characteristics of the similar blocks in the search window, and the similar blocks in the cluster are given higher weights. Because more reasonable similar blocks are selected, the denoising performance of the algorithm is improved. Aiming at the shortcoming of using Euclidean distance between pixels to measure similarity in NLM denoising algorithm, a new decision function is proposed to measure the similarity blocks. The energy information is extracted from the small wave coefficients by multilevel wavelet decomposition of similar blocks and the similarity evaluation function based on wavelet is defined. The simulation results show that the new similarity measure method has good performance in image denoising, which shows the effectiveness of the method. Simulation results show the effectiveness and feasibility of the proposed algorithm.
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曲延華;秦宏;張玉梅;;基于改進(jìn)的醫(yī)學(xué)圖像去噪算法的研究[J];沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

2 石玉英;劉晶晶;;一種基于矩陣格式的半隱式圖像去噪算法[J];徐州工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年04期

3 侯建華;熊承義;田金文;柳健;;基于鄰域閾值分類的小波域圖像去噪算法[J];光電工程;2006年08期

4 唐琳;晏海華;蔡德榮;黃猛;;一種基于最優(yōu)小波包基的圖像去噪算法[J];計(jì)算機(jī)與數(shù)字工程;2008年04期

5 李小林;劉傳才;魏艷紅;;一種非線性復(fù)擴(kuò)散圖像去噪算法[J];渭南師范學(xué)院學(xué)報(bào);2009年02期

6 熊波;尹周平;;滑動平均和改進(jìn)權(quán)重函數(shù)的快速非局部平均圖像去噪算法[J];中國圖象圖形學(xué)報(bào);2012年05期

7 王民;文義玲;;常用圖像去噪算法的比較與研究[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

8 陳蒙;;醫(yī)學(xué)X光成像中圖像去噪算法研究[J];軟件;2013年11期

9 李小林;劉傳才;;一種新的基于二階導(dǎo)數(shù)的圖像去噪算法[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年01期

10 肖貴元;;基于三維濾波的視頻去噪算法研究[J];電光與控制;2008年05期

相關(guān)會議論文 前10條

1 王樹艷;楊勛年;;平面曲線去噪的混合雙邊算法[A];第五屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2011年

2 李洋;李雙田;;小波圖像去噪算法分析[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 鄧志全;關(guān)履泰;朱慶勇;;改進(jìn)的非局部均值圖像去噪算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 李俊峰;戴文戰(zhàn);潘海鵬;高金鳳;;基于灰色系統(tǒng)理論的圖像去噪算法研究[A];第二十九屆中國控制會議論文集[C];2010年

5 連小麗;姚暉;王冠華;萬木森;張林樸;孟卓;李燕妮;梁雨;代曉華;石博雅;;基于光學(xué)相干層析離體牙圖像的去噪算法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第30次學(xué)術(shù)年會暨生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2010年

6 張娛;谷旭源;;基于小波系數(shù)的圖像自適應(yīng)閾值去噪算法[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

7 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應(yīng)遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

8 劉志剛;郭艷穎;;基于形態(tài)神經(jīng)網(wǎng)絡(luò)的SAR圖像去噪算法研究[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

9 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

10 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前4條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報(bào)（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 張鑫媛;基于結(jié)構(gòu)相似性的磁共振圖像去噪新算法研究[D];南方醫(yī)科大學(xué);2015年

2 張海鋒;壓縮感知圖像重構(gòu)及去噪算法的研究[D];燕山大學(xué);2016年

3 陳大力;數(shù)字圖像處理中去噪算法的研究[D];東北大學(xué);2008年

4 劉輝;數(shù)字圖像處理中基于局部方向性的壓縮和去噪算法研究[D];吉林大學(xué);2008年

5 宮霄霖;基于小波變換的不規(guī)則鄰域的數(shù)字圖像去噪算法研究[D];天津大學(xué);2010年

6 梁福來;低空無人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

9 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

10 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王圳萍;基于低秩矩陣恢復(fù)的圖像去噪算法研究[D];西南交通大學(xué);2015年

2 張超;圖像和視頻去噪算法的研究與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2014年

3 羅格;三維模型去噪算法的研究及其在三維曲面重建上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

4 宋鑫夢;管道漏水檢測去噪算法的研究[D];內(nèi)蒙古師范大學(xué);2015年

5 賀東霞;數(shù)字圖像去噪算法的研究與應(yīng)用[D];延安大學(xué);2015年

6 劉航;并行非局部均值去噪算法研究[D];西安電子科技大學(xué);2014年

7 王秀東;圖像去噪算法及其GPU并行化研究[D];西安電子科技大學(xué);2014年

8 李翠菊;基于NSCT和雙邊濾波的圖像去噪算法研究[D];湘潭大學(xué);2015年

9 劉斌;BM3D去噪算法的硬件實(shí)現(xiàn)[D];上海交通大學(xué);2013年

10 鐘瑩;結(jié)構(gòu)特性匹配的非局部均值圖像去噪算法研究[D];合肥工業(yè)大學(xué);2014年

，

本文編號：1847243