基于非局部均值和非局部TV的图像去噪方法研究

摘要

图像在产生以及传输存储过程中总会或多或少受到噪声的干扰，而使图像的内容失真、模糊，图像的可视性受到影响。然而实际上，获得准确的图像信息是很重要的。同时，图像去噪作为很多应用领域的基础，例如模式识别、数字娱乐、遥感成像等，具有很重要的研究价值。一个优秀的去噪算法能够使得图像最终视觉质量得到很大提高，因此学者们一直在做着相关的研究。
　　近年来，大量的新型图像去噪算法不断涌现出来，而其中非局部均值算法是最受众多研究者们欢迎的算法之一。自Buades等人于2005年提出了非局部均值(NLM)算法，已经越来越多的学者开始对其进行改进算法的研究。其具有优秀的去噪效果，但在边缘保护性以及细小的纹理保护性上还存在着不足。基于此，本文的工作主要在于以下两个方面：
　　首先提出了一种基于双边滤波与非局部均值的图像去噪算法。图像信息具有连续性，距离目标图像块越近的图像块往往含有更多的相似信息，需要给予更大的权重。本文结合双边滤波算法的权重系数设定，对非局部均值算法的权重进行了改进。在原像素灰度相似性的基础上加入了空间邻近度因子，进一步降低非相似像素对权重计算的影响，使得图像的结构特性得到更好的保护。
　　其次提出一种基于非局部TV模型与梯度直方图保持的图像去噪算法。本文把梯度直方图保持项引入非局部TV模型中，提出了基于非局部TV模型与梯度直方图保持的图像去噪算法。旨在通过直方图规定化保护纹理的特性，使得算法在拥有很好的去噪效果的同时，能很好的保护图像纹理细节。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2研究现状

1.3本文主要工作

第二章 非局部均值算法及TV模型简介

2.1图像去噪模型

2.2非局部均值图像去噪算法

2.3全变分图像去噪

2.4图像去噪评价准则

2.5本章小结

第三章 基于双边滤波与非局部均值的图像去噪方法

3.1双边滤波算法简介

3.2基于双边滤波与非局部均值的图像去噪方法

3.3实验结果与分析

3.4本章小结

第四章 基于非局部TV模型与梯度直方图保持的图像去噪方法

4.1非局部TV模型

4.2基于非局部TV模型与梯度直方图保持的图像去噪方法

4.3实验结果与分析

4.4本章小结

第五章 总结与展望

5.1本文研究工作的总结

5.2工作展望

参考文献

发表论文和科研情况说明

致谢