快速非局部均值滤波图像去噪  

Fast Non-Local Mean for Image Denoising

作　　者：张丽果[1] 

机构地区：[1]西安邮电大学电子工程学院,陕西西安710121

出　　处：《信号处理》2013年第8期1043-1049,共7页Journal of Signal Processing

基　　金：国家自然科学基金重点项目(61136002);国家自然科学基金(60976020;61272120);省教育厅项目(11JK1063;08JK430);陕西省工业公关计划(2011K06-47);陕西省13115重大科技专项(2009ZDKG-43)资助课题

摘　　要：针对非局部平均(NLM)去噪算法复杂度过高,滤波过程中对图像信号产生过度平滑的问题,提出一种基于高斯主成分分析的快速NLM去噪算法。该方法首先对所有像素点的邻域进行高斯滤波降低噪声干扰,提高主成分分析的准确度,降低分解结果的维度,进而提高NLM算法中的块匹配效率和准确性,为提高去噪效果奠定基础。虽然该方法在NLM前加入了高斯预滤波和主成分分析,但是由于有效的降维,整体算法复杂度较传统NLM仍有减少,且算法性能有所提高。实验表明与传统的NLM算法相比,本文所提出的新算法不仅降低了计算复杂度,而且可以产生更好的去噪效果。This paper presents an efficient image denoising method by using Gaussian Principle Component Analysis （GPCA） in conjunction with Non-Local Means （ NLM ）. By taking into account of the noise feature, this method pre-fihers the image before PCA analysis to improve the PCA efficiency and decrease the dimensionality of projected the vector. By applying GPCA to project the image patch into a lower-dimensional （LD） space, the accuracy of the similarity weights cal-culation for NLM can be improved with less computational complexity. Experiments show that our method performs well in terms of image visual fidelity as well as PSNR with a degree of detail preservation.

关 键 词：图像去噪 高斯滤波 主成分分析 非局部平均 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]