摘 要: 傳統(tǒng)的彩色圖像去噪算法通常是分層處理的,而忽略了彩色圖像RGB通道之間的相關(guān)性,因此基于RGB通道聯(lián)合相似度估計(jì)提出了一種新的彩色圖像非局部均值去噪方法。在用非局部均值濾波對彩色圖像進(jìn)行去噪時(shí),首先以目標(biāo)像素為中心確定其支撐區(qū)域,然后根據(jù)多通道聯(lián)合相似度估計(jì)確定權(quán)重,最后采用逐塊濾波的方法對每一層進(jìn)行濾波。并且針對彩色圖像中含有的高斯噪聲提出了一種新的噪聲參數(shù)估計(jì)方法。由實(shí)驗(yàn)結(jié)果可以看出該算法比傳統(tǒng)的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在圖像去噪過程中考慮三通道之間的相關(guān)性是必要的,同時(shí)也證明了算法的有效性。
關(guān)鍵詞: 非局部均值; 彩色圖像去噪; RGB通道; 相似度估計(jì)
中圖分類號: TN713?34 文獻(xiàn)標(biāo)識碼: A 文章編號: 1004?373X(2013)22?0081?04
0 引 言
圖像去噪的目的是從含噪圖像中恢復(fù)出真實(shí)的無噪圖像。為了更好地進(jìn)行圖像的后處理,如圖像分割、復(fù)原、目標(biāo)識別等,需要對含噪圖像進(jìn)行去噪。圖像去噪是數(shù)字圖像處理領(lǐng)域的經(jīng)典問題,屬于圖像預(yù)處理的范疇。近年來人們提出了很多優(yōu)秀的去噪算法,如中值濾波[1?2]、維納濾波[3?4]和偏微分方程方法[5]等。
受Efros等提出的基于樣圖的紋理合成算法的啟發(fā)[6],Buades等利用圖像的自相似性提出了非局部均值去噪算法[7]。該算法將局部計(jì)算模型拓展到非局部計(jì)算模型,利用兩個(gè)圖像塊的相似性計(jì)算濾波權(quán)重。算法提出以來,研究人員對NLM(Non?local means)提出了很多改進(jìn)并用于各種圖像去噪[8?10]。……