基于图像分割的非局部均值去噪算法

针对传统非局部均值（NLM）算法的滤波参数非自适应及去噪后边缘易模糊的缺点,提出一种基于图像分割的非局部均值去噪算法。该算法分为两个阶段：第一阶段根据噪声大小及图像纹理自适应确定滤波参数的值,并采用传统非局部均值算法得到去噪结果图;第二阶段根据像素点方差的不同,将该去噪结果图分为细节区域和背景区域,再对属于不同区域的图像块分别去噪,同时为了更有效地去除噪声,还采用了反向投影的方式,充分利用了第一阶段方法噪声中残留的结构信息。实验结果表明,与传统非局部均值算法及其三种改进算法相比,所提算法的峰值信噪比（PSNR）及结构相似性（SSIM）更高,纹理细节和边缘结构更完整,图像更清晰,本真信息保留更完整。     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

二维变分模态分解联合快速非局部均值的医学超声图像去噪方法

针对医学超声图像成像过程中出现的斑点噪声，提出一种基于二维变分模态分解(2D-VMD)联合快速非局部均值(FNLM)的去噪算法。该算法利用2D-VMD获得一系列高频至低频的本征模态分量；对保留绝大部分信息的低频模态进FNLM滤波，从而实现对超声图像的去噪。实验结果与传统滤波方法进行对比，提出算法在去噪的同时较好地保留边缘信息，有更好的客观评价参数，尤其是在高噪声方差中去噪效果明显优于其他算法。     

频域小波矩的非局部均值图像去噪

非局部均值滤波是一种典型的图像去噪技术.然而该算法只定义了平移不变性,没有考虑方向和图像块的尺度问题,进而影响了去噪的效果.为了有效地去除噪声,获得细节清晰的图像,对非局部均值(NL-Means)滤波算法进行了改进,提出一种在非下采样小波域中基于小波矩的非局部均值图像去噪方法.小波矩具有较强旋转不变性,具有更好的抗噪声能力.因此利用小波矩与非局部均值相结合的方法,能够得到更多具有较高相似性的像素或图像块.实验结果表明,该算法不仅能有效地去除噪声,而且能保持图像的边缘信息,获得比传统的非局部均值更好的去噪效果.     

基于非局部总广义变分的图像去噪

针对全变分(TV)模型在去除图像噪声时容易产生阶梯效应的缺点,将二阶总广义变分(TGV)作为正则项应用于全变分模型中可以有效地去除阶梯效应,并且还能够更好地保持图像边缘纹理结构;利用非局部均值滤波算法的思想来构造非局部微分算子,将非局部微分算子应用于总广义变分模型中,综合提出了一种基于非局部总广义变分的图像去噪新模型。新模型充分利用了图像的全局信息进行去噪。实验结果显示了该模型的有效性和优越性。     

基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

基于联合滤波的聚类稀疏表示图像去噪算法

针对非局部均值去噪算法中噪声对结构聚类影响的问题,提出了一种基于联合滤波预处理的聚类稀疏表示图像去噪算法。利用维纳滤波和巴特沃斯滤波联合滤波处理提取含噪图像中的高频分量,同时减小了噪声对聚类的影响;利用非局部均值去噪的思想将高频图像块进行聚类,每一类图像块单独进行字典学习,增强字典的自适应性;利用多循环字典更新的K-SVD算法进行类内字典学习,增强字典的描述能力。实验结果表明,与传统的K-SVD算法相比,该算法能有效保留图像的结构信息,并且提升了图像的去噪效果。     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。     

改进权值非局部均值超声图像去噪

目的 超声图像斑点噪声会影响诊断的准确性和可靠性。通过分析超声图像斑点噪声统计模型,结合非局部均值滤波算法,提出一种基于超声斑点噪声模型的改进权值非局部均值（NLM）滤波算法。方法 算法针对超声图像灰度信息对图像进行预处理,利用超声图像斑点噪声模型改进传统NLM算法的权值计算函数,基于图像特征确定最优采样间隔进行下采样,利用改进后的权值计算函数对图像进行NLM去噪处理。结果 分别采用人工合成与真实超声图像对本文算法性能进行测试,并与传统非局部均值滤波算法、非局部总变分（NLTV）等算法进行去噪效果比较,同时采用均方误差、峰值信噪比和平均结构相似性作为滤波算法性能的客观评价指标。本文算法能快速完成超声图像的去噪处理,峰值信噪比较其他算法可以提高0.2 dB以上,可以降低均方误差,提高平均结构相似性,缩短处理时间,并得到较好的图像质量和视觉效果。结论 根据超声图像斑点噪声模型对NLM算法的权值计算函数进行优化,使得NLM图像滤波算法能更好地适用于超声图像的去噪,基于超声斑点噪声模型的改进权值NLM算法相较于其他算法,滤波效果更佳,适合超声图像去噪。     

基于改进型的非局部均值滤波算法在医学图像处理中的研究与应用

常规非局部均值算法易受噪声对图像的自相似度计算精度的影响,去噪结果对原始图像的边缘细节信息损伤较多.采用改进的Facet算子提取图像的边缘特征,根据图像内部像素分布情况,在不同的区域采用不同的自相似度计算方法,设置一种变尺寸的搜索窗口,最大限度地搜寻相似性邻域,降低噪声对自相似度计算精度的影响,有效保持图像边缘信息.数据测试结果表明,改进的非局部均值滤波算法能够有效保持边缘纹理信息,去噪效果要优于常规非局部均值滤波算法.     

HeNLM-LA: a locally adaptive non-local means algorithm based on hermite functions expansion

A new noise reduction algorithm HeNLM-LA is proposed. It is a modification of the non-local means algorithm using Hermite functions expansion of pixel neighborhoods. The filtering strength parameter is automatically adjusted proportionally to the local noise level. An algorithm for local noise level estimation is based on edge modeling; it suppresses high-amplitude edges in the map of local image variance.     

全变分正则化非局部均值地震数据降噪

在地震数据的采集中往往存在随机噪声,噪声会影响地震数据分析的准确性,针对地震数据中存在的高斯噪声,传统非局部均值降噪算法在对地震数据降噪后无法有效保持地震数据中的同相轴边缘。将全变分正则化非局部均值算法应用于地震数据降噪,通过计算噪声估计值,更新去抖动非局部均值算法的权值,将去抖动非局部均值降噪结果进行全变分正则化约束,得到最佳的地震数据降噪结果。在有效去除高斯噪声的同时,保留地震数据的同相轴边缘。通过在合成地震数据、海上叠前地震数据、陆上叠后地震数据上进行降噪实验,对比该算法与非局部均值算法、基于近邻法选择策略的非局部均值算法的峰值信噪比、均方误差、平均结构相似度,得出全变分正则化非局部均值降噪算法在有效降噪的同时,可以较完整地保留地震数据的同相轴边缘细节。     

基于梯度特征的双核非局部均值去噪算法

针对传统非局部均值（NLM）滤波算法中邻域间相似性计算易受噪声干扰的问题，提出了一种基于梯度特征的双核非局部均值滤波算法。通过图像块之间的欧氏距离及梯度特征度量邻域间相似性，采用双核函数代替传统指数核函数计算相似性权值，并通过衡量搜索区域中的邻域块与当前像素邻域的相似程度，对像素点的权值进行重分配，在此基础上，重估像素点去噪值并得到滤波图像。实验结果表明，提出的滤波算法与传统的NLM滤波算法及分别含有高斯核和正弦核的改进NLM滤波算法相比，可以更准确地反映邻域间的相似度，保存图像的细节及边缘信息，从而有效提升图像的去噪效果。     

基于非局部平均滤波的冲击噪声图像恢复算法*

针对随机值冲击噪声污染图像的恢复问题,研究了冲击噪声环境下的非局部平均滤波模型,并在模糊权重非局部平均滤波算法的基础上加以改进,解决了原算法在低噪声比率下恢复性能欠佳以及算法时耗过高的问题。改进之处如下：第一,提出了一种信赖度参数设置准则,并在该准则指导下设置了新的信赖度门限参数;第二,根据冲击噪声模型特点重新规划了滤波策略,提升了算法的运算效率。大量实验数据证明,所提算法无论在低噪声比率还是高噪声比率下均能有效去除冲击噪声,尤其对于纹理性较强的图像有显著的去噪效果。同时,所提算法拥有较高运算效率,实用性得以提高。     

结合两种回归模型的图像插值算法研究

为了更好地保护图像的局部结构和提高图像插值算法的鲁棒性,结合基于几何对偶性的普通最小二乘和基于非局部均方的加权最小二乘来统计稳态区域形态,并基于该模型提出了一种改进的图像插值算法。算法首先采用非局部均方估计加权最小二乘模型系数,同时用核岭回归作为正则化项进行系数修正,考虑到核岭回归的有偏性,将基于边缘的普通最小二乘模型作为正则化项引进图像插值算法中,并对正则化参数进行自适应调整。与采用单一回归分析的插值算法相比较,该算法不但有效抑制了插值图像的边缘模糊和锯齿现象,而且插值结果具有较高的峰值信噪比和结构相似度。     

基于解剖非局部先验的模糊扩散PET重建算法

针对传统最大后验(MAP)算法出现阶梯伪影以及不能有效保持重建图像低梯度值处细节信息的问题,提出了一种基于解剖非局部先验的模糊扩散正电子发射计算机断层扫描(PET)重建算法。首先,对中值先验分布的MAP重建进行改进,在每次中值滤波前引入结合模糊函数的各向异性扩散滤波器;然后,采用模糊隶属度函数作为各向异性扩散过程的扩散系数,并结合解剖非局部先验来考虑图像的细节信息。仿真结果表明,与传统算法相比,该算法提高了信噪比(SNR),具有良好的抗噪性;同时视觉效果较好,图像边缘清晰,在抑制噪声和边缘保持方面取得了良好的折中。     

一种改进的基于非局部均值的极化SAR相干斑抑制算法

贝叶斯形式的非局部均值模型在极化SAR图像相干斑抑制中有良好的应用,在实现抑制相干斑的同时较地保持了边缘细节和点目标。本文通过分析SAR图像多视数据的空间统计分布,结合贝叶斯形式的非局部均值模型,得出了在该模型下多视与单视SAR图像中像素间相似性度量函数一致性的结论,并对该相似性度量函数进行了修正,使之满足对称性;最后针对算法全局使用一个固定滤波参数影响滤波效果的问题,提出了一种根据像素间相似程度自适应选取滤波参数的方法。实验结果验证了本文算法的有效性。