基于梯度特征的双核非局部均值去噪算法

发布时间：2021-03-11 05:41

　　针对传统非局部均值（NLM）滤波算法中邻域间相似性计算易受噪声干扰的问题,提出了一种基于梯度特征的双核非局部均值滤波算法。通过图像块之间的欧氏距离及梯度特征度量邻域间相似性,采用双核函数代替传统指数核函数计算相似性权值,并通过衡量搜索区域中的邻域块与当前像素邻域的相似程度,对像素点的权值进行重分配,在此基础上重估像素点去噪值并得到滤波图像。实验结果表明,提出的滤波算法与传统的NLM滤波算法及分别含有高斯核和正弦核的改进NLM滤波算法相比,可以更准确地反映邻域间的相似度,保存图像的细节及边缘信息,从而有效提升图像的去噪效果。 

【文章来源】：计算机应用研究. 2019,36(05)北大核心

【文章页数】：4 页

【部分图文】：

测试图像3.2评价标准

【参考文献】：
期刊论文
[1]基于自适应非局部均值的SAR图像相干斑抑制[J]. 陈世媛,李小将.  系统工程与电子技术. 2017(12)
[2]基于边缘检测的自适应非局部均值去噪算法[J]. 曹璟,周宁宁,洪龙.  济南大学学报(自然科学版). 2016(03)
[3]一种改进的非局部均值图像去噪算法[J]. 刘晓明,田雨,何徽,仲元红.  计算机工程. 2012(04)
[4]一种改进的非局部平均去噪方法[J]. 孙伟峰,彭玉华.  电子学报. 2010(04)
[5]基于相似原理的点特征松弛匹配算法[J]. 陈志刚,宋胜锋,李陆冀,包磊.  火力与指挥控制. 2006(01)

硕士论文
[1]基于非局部均值图像去噪算法研究[D]. 张兆伦.南京邮电大学 2015



本文编号：3075958