基于NSCT改進核函數的非局部均值圖像去噪

陳茹靜

摘要：傳統非局部均值（NL-Means）圖像算法已經廣泛應用到圖像去噪領域。但非局部均值濾波只定義了平移的不變形，對于圖像塊的尺度和方向并沒有加以妥善應用。為了獲得更好地去噪效果，對傳統非局部均值算法進行改造，因非下采樣輪廓變換克服了小波（Wavelet）變換的非奇異性最優基缺點，本文提出基于非下采樣輪廓變換的非局部均值去噪算法。實驗結果表明，本文算法不僅比經典NLM算法PSNR值有較大改善，而且時間復雜度得到很大提高。

關鍵詞：圖像去噪；非下采樣輪廓變換；非局部均值濾波；時間復雜度

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2016）08-0195-02

數字圖像在獲取、傳輸、轉換、存儲過程中不可避免地受到各類噪聲的污染，從而造成圖像質量下降，使得數字圖像后繼處理如：分割，檢索，特征提取受到影響。因此圖像去噪在圖像處理領域炙手可熱。現實生活中噪聲種類很多，按概率密度的統計特征可分為高斯噪聲，椒鹽噪聲，泊松噪聲，銳利噪聲。在圖像處理過程中許多噪聲可以近似為高斯分布的白噪聲。

目前圖像去噪大體分為線性濾波去噪和非線性去噪兩大類。線性濾波在平滑噪聲的處理中表現優越，但對圖像邊緣處理較差，而非線性濾波方法在對圖像去噪領域具有更大的優勢。

1 非下采樣輪廓波簡介

輪廓變換主要依賴子帶分解和方向變換，從而把圖像分解成各個尺度的帶通子帶。在離散域進行的輪廓變換由于采樣操作使其喪失了平移不變性，從而導致圖像去噪時奇點的周圍出現偽吉布斯（Gibbbs）現象[1]。為了實現平移不變性Cunha D，Arthr L對輪廓變換進行改進去掉下采樣操作，提出了一種新型輪廓變換即飛下采樣輪廓變換。與傳統輪廓變換相比飛下采樣輪廓波在獲得頻率分割結構的同時實現了平移不變性。

Contourlet變換主要通過非下采樣金字塔分解和非下采樣濾波器組構成，前著保證了變換多尺度特征后者實現多方向性變換。

2 非局部均值算法簡介

NL-Means圖像去噪算法利用局部結構的相似性進行像素點的加權平滑[5]。該算法的權值不再依靠單個像素點信息，而是以當前像素點為中心開大小固定的窗口，從而根據灰度分布的相似性決定權值。

通過不同算法實驗結果對比，可以看出從硬性指標PSNR值的對比結果可證明本問算法較其他算法略高一些。同時從主觀視覺效果可以看出通過本算法去噪后的圖像更清晰，紋理得到很好的保護，這均可證明本文的算法在去除噪聲恢復圖像信息能力上優于一般算法。

5 結束語

本文利用對傳統非局部均值算法進行改進核函數可以更準確的刻畫系數間的關系的新型非局部均值算法利用具有平移不變性和變換多尺度的非下采樣輪廓波提出新的去噪算法。通過大量實驗，證明本問去噪算法能夠更好的優化估算權值，利用權值對含有高斯白噪的圖片進行去噪可以達到很好的效果。另外，利用局部區域距離的對稱性，減少計算量，所以在提高PSNR值的同時將時間復雜度降低為原來的一半。

參考文獻：

[1] DO M N， Vetterli. The Contourlet transform：an efficient directional multiresolution imahe representation[J].IEEE Trans. On Image Processing，1991，40（1）：2464-2482.

[2] 王民，文義玲.常用去噪算法的比較與研究[D].西安建筑科技大學學報，2010.

[3] 雷林平，伍雁鵬，黃磊.經典圖像去噪算法[J].電子與信息技術，2014（6）.

[4] 張麗果.快速非局部均值濾波圖像去噪[J].信號處理，2013（8）.