《非局部均值滤波课件.ppt》由会员分享，可在线阅读，更多相关《非局部均值滤波课件.ppt（26页珍藏版）》请在三一办公上搜索。
1、非局部均值滤波,图像去噪技术,图像噪声,图像噪声：图像在摄取时或传输时所受到的随机干扰信号。,图像噪声,空间域： 均值滤波、高斯滤波、形态学滤波、局部滤波和非局部滤波等,频域： 维纳滤波 和小波阈值收缩等,图像去噪的基本方法,均值滤波 原理,在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。,非局部均值（NL-means）是近年来提出的一项新型的去噪技术。该方法充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征。特点：算法简洁，性能优越，易于改进和扩展基本思想是：当前像素的估计值由图像中与它具有相似邻域结构
2、的像素加权平均得到。,我们规定 为以i为中心的矩形邻域，那么图像v中的像素i和像素j的相似性系数 为：,w(P,P2) = 1.4334e-11,w (P,P1) = 7.6567e-04,Circuit 原始图像,加入椒盐噪声图像,3X3均值滤波后的图像,NLM滤波后的图像,Circuit 原始图像,加入高斯噪声图像,3X3均值滤波后的图像,NLM滤波后的图像,非局部均值去噪法存在的问题,相似性度量缺乏鲁棒性高斯加权核各向同性性质影响非相似像素块影响运算量大加权核系数选择,假设图像共N个像素点，搜索窗大小定义为D，邻域窗口大小定义为d，计算每个矩形邻域间相似度的时间为 ,对于每个像素点要计算
3、他的搜索窗内 个像素点的相似度，故NL_Mean filter的复杂度为,基于积分图像的快速NLM,对图像整体处理，原图像与平移 后的图像的欧氏距离为：,如果我们先构造一个关于像素差值的积分图像：,上式在实际操作中可表达为：,那么对于不同区域的欧式距离可以写为：,此时对于N个像素点的图像，搜索窗大小为D，计算NL_Mean filter的复杂度为,积分图像算法的缺点：它不直接允许的计算使用一个内核K加权范数,如高斯。当图像尺寸以及补丁距离很大, 积分图像的一些值可能变得很大,即使使用双精度表示，最终结果的准确性可能下降。,给出距离为t的两个相似区域的2范数的离散卷积形式：,基于快速傅里叶变换的NLM加速算法,其中,表示卷积算子，,卷计算法可以用傅里叶变换求解。将上式做快速二维傅里叶变换得到：,表1. 原始算法与使用FFT加速算法计算时间比较 （单位：秒）,out原始图像,h=10滤波后图像,h=20滤波后图像,h=2滤波后图像,表1. 去噪结果后PSNR比较,图1. 不同噪声强度下不同平滑参数h滤波效果,表2. NLM 滤波优先参数选择参考,Original image,Gaussian noise image,3x3meanfilter image,NLM filter image,3x3meanfilter image,NLM filter image,谢谢！,
