對于傳統(tǒng)的非局部均值（NLM）算法,方形搜索窗口會將大量低相似度的圖像塊引入去噪圖像的加權(quán)平均計算過程中,導(dǎo)致去噪圖像的細節(jié)輪廓變得模糊.針對此問題,提出了利用控制核函數(shù)來獲取橢圓窗口和圖像塊參數(shù)的自適應(yīng)NLM算法.首先,根據(jù)圖像的局部梯度信息和結(jié)構(gòu)張量獲得可描述圖像局部邊緣結(jié)構(gòu)的橢圓方程,并由此確定搜索窗口的形狀,從而將搜索窗口的搜索范圍限制在與圖像局部結(jié)構(gòu)相一致的區(qū)域內(nèi);然后采用控制核函數(shù)獲得和搜索窗口形狀一致的橢圓形圖像塊,并結(jié)合平滑參數(shù)自適應(yīng)的思想進一步增強算法效果.通過在不同噪聲等級的經(jīng)典灰度圖中進行實驗,實驗結(jié)果表明,該算法相比于傳統(tǒng)NLM算法和參數(shù)自適應(yīng)的NLM算法,在客觀的圖像評價指標(biāo)上,有著更高的PSNR和SSIM值;而在主觀視覺上,隨著噪聲等級的提升,該算法在抑制噪聲的同時,能夠更好地保留住圖像的高頻紋理信息. 

【文章頁數(shù)】：11 頁

【參考文獻】：
期刊論文
[1]Nonlocal image denoising using edge-based similarity metric and adaptive parameter selection[J]. Linwei FAN,Xuemei LI,Qiang GUO,Caiming ZHANG.  Science China（Information Sciences）. 2018(04)



本文編號：3649797