频域小波矩的非局部均值图像去噪  

Nonlocal-means Algorithm for Image Denoising Based on Wavelet Moment in Domain

作　　者：张宇[1] 王向阳[1,2] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,辽宁大连116029 [2]北京大学视觉与听觉信息处理国家重点实验室,北京100871

出　　处：《小型微型计算机系统》2012年第9期2079-2082,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60773031)资助;视觉与听觉信息处理国家重点实验室(北京大学)开放基金项目(0503)资助;计算机软件新技术国家重点实验室(南京大学)开放基金项目(A200702)资助;大连市科技基金项目(2006J23JH020)资助

摘　　要：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.Image denoising is a classical problem in signal-processing. The nonlocal （NL） means filter is a typical technique for de- noising textured images. However, this algorithm only defines up to translation invariance, without considering the direction and scale of the image patch. In order to improve the image quality, proposed wavelet moments based on non-local means algorithm for image denoising in nonsubsimpled Wavelet domain. Wavelet moments has rotation invariance and stronger ability to resist noise, therefore using the wavelet moments into NL-means filter can get much more pixels or patches with higher similarity measure. The comparative experimental results show that the improved NL-means filter achieves higher peak-signal-to-noise ratio and obtains better denoising performance.

关 键 词：非局部均值滤波 图像去噪 平移不变性 小波矩 旋转不变性 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]