基于引导核聚类的非局部均值图像去噪算法

摘要：

为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果，提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选，划分其类别；然后根据相似窗的类别计算每个像素点对应的搜索窗大小，保证相似性较高的相似窗数量；最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明：与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比，该NLM改进算法对强噪声污染或不规则纹理的图像，其去噪效果更为有效，并更好地保持了图像的纹理、边缘，在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。

关键词：自适应搜索窗、模糊C均值聚类、图像去噪、非局部均值、引导核

分类号：TN911.73

资助基金：西南石油大学油气藏地质及开发工程国家重点实验室项目PLN1303；数字制造装备与技术国家重点实验室开放基金DMETKF 2014010；农业部东海海水健康养殖重点实验室开放课题基金2013ESHML06；同济大学海洋地质国家重点实验室开放基金MGK1412；中央高校基本科研业务费kfjj201430；江苏高校优势学科建设工程项目2012

在线出版日期：2016-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42