基于随机采样的快速非局域均值图像去噪算法  

Fast Non-Local Means Image Denoising Algorithm on Random Sampling

作　　者：贺怀清[1] 刘炳坤[1] 徐庆[2] 

机构地区：[1]中国民航大学计算机科学与技术学院,天津300300 [2]天津大学计算机科学与技术学院,天津300300

出　　处：《测控技术》2016年第5期7-10,共4页Measurement & Control Technology

基　　金：国家自然科学基金-民航联合研究基金(U1333110);天津市应用基础与前沿技术研究计划重点项目(14JCZDJC32500)

摘　　要：在图像去噪的过程中,针对非局域均值滤波(NLM,non-local mean)去噪方法中存在的运算效率低下问题,提出了一种改进的快速去噪算法。首先,基于蒙特卡罗重要性采样思想,采用Metropolis方法在搜索窗口中对图像的像素点进行随机采样,取代NLM算法在搜索窗口中逐一像素遍历进行加权平均的方法,从而实现了加速。其次,算法在实现加速的过程中一般会影响去噪效果,为了仍保持较好的去噪效果,提出一种改进的权重函数。最后,进行了对比实验,对实验结果从峰值信噪比、运行时间及与原无噪声图像的相似度三个方面进行分析,结果表明,本方法在保持较高信噪比的基础上,处理时间只有标准NLM算法的1/3左右。An improved algorithm is proposed for the low computational efficiency problem of non-local means（NLM） image denoising method.Firstly,based on Monte Carlo importance sampling,Metropolis sampling is used to sample pixels randomly in searching windows instead of searching one by one for pixels using weights calculation,which improves disposing speed.Secondly,the improvement of disposing speed would normally bring with a worse denoising result.To meantain a high peak signal to noise ratio（PSNR） while improving the efficiency of calculation,an improved weight function is proposed.Lastly,contrast experiments are done to analyze in three dimensions which are PSNR,running time and similarity with original images.The results show that the method＇ s disposing time is only about one third of NLM＇ s while maintaining a high PSNR.

关 键 词：蒙特卡罗 权值函数 非局域均值 快速去噪 

分 类 号：TP3-05[自动化与计算机技术—计算机科学与技术]