基于方向增强邻域窗和非下采样Shearlet描述子的非局部均值图像去噪 |
| |
引用本文: | 张小华,陈佳伟,孟红云,焦李成,孙翔.基于方向增强邻域窗和非下采样Shearlet描述子的非局部均值图像去噪[J].电子与信息学报,2011(11). |
| |
作者姓名: | 张小华 陈佳伟 孟红云 焦李成 孙翔 |
| |
作者单位: | 西安电子科技大学智能感知与图像理解教育部重点实验室;西安电子科技大学应用数学系; |
| |
基金项目: | 国家自然科学基金(60703109,60972148); 中央高校基本科研业务费专项资金(K50510020023,JY10000902001,JY10000902043)资助课题 |
| |
摘 要: | 非局部均值(Non-Local Means,NLM)是一种有效的图像去噪方法。然而它仅关注图像的几何结构信息而忽略了图像表面模型和方向信息,其相似性度量鲁棒性差。针对这些缺点,该文首先提出了一种基于非下采样的Shearlet的描述子(NSSD),它能更好地描述图像块的特征,基于此构造的相似性度量具有较强的鲁棒性。本文基于此描述子与非局部计算模型提出了一种更加有效的非局部均值去噪算法(SNLM)。其次,针对明显包含纹理和方向的图像块,提出了一种方向增强邻域窗,使得邻域窗内主导方向像素点在相似度计算中权重增加。实验结果证明,新方法在自然图像去噪中优于传统的NLM算法。特别地,对于纹理图像去噪,基于方向增强邻域窗的算法,能够在去除噪声的同时很好地保留纹理边缘等细节信息。
|
关 键 词: | 图像处理 非局部均值 非下采样Shearlet描述子 方向增强邻域窗 |
本文献已被 CNKI 等数据库收录! |
|