基于模糊度量视觉特征的非局部均值去噪

摘要：

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法.利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪.由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点.在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能.实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题.

关键词：非局部均值、图像去噪、视觉特征相似度、模糊度量

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61775030,61571096;四川省教育厅科学研究项目15ZB0425;中国科学院光束控制重点实验室基金 2017LBC003 The National Natural Science Foundation of China61775030,61571096;The Sichuan Education Department Scientific Research Project15ZB0425;The Key Laboratory Found of Beam Control, Chinese Academy of Sciences2017LBC003

在线出版日期：2018-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：408-415