基于结构张量的Non-Local Means去噪算法研究

doi:10.3778/j.issn.1002-8331.2010.28.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (28): 178-180.DOI: 10.3778/j.issn.1002-8331.2010.28.050

• 图形、图像、模式识别 • 上一篇下一篇

基于结构张量的Non-Local Means去噪算法研究

许娟^1，2，孙玉宝²，韦志辉²

1.安庆师范学院数学与计算科学学院，安徽安庆 246011
2.南京理工大学理学院，南京 210094

收稿日期:2009-05-05 修回日期:2009-06-22 出版日期:2010-10-01 发布日期:2010-10-01
通讯作者: 许娟

Non-Local Means algorithm based on structure tensor

XU Juan^1，2，SUN Yu-bao²，WEI Zhi-hui²

1.School of Mathematics and Computing Science，Anqing Teachers College，Anqing，Anhui 246011，China
2.School of Science，Nanjing University of Science and Technology，Nanjing 210094，China

Received:2009-05-05 Revised:2009-06-22 Online:2010-10-01 Published:2010-10-01
Contact: XU Juan

摘要/Abstract

摘要： 非局部平均是当前一种新兴而有效的图像去噪方法。为了能充分利用数字图像局部几何结构的自相似性，同时由于结构张量可有效刻画数字图像的局部几何结构特征，进而提出了基于结构张量相似性度量的非局部平均去噪算法。实验结果验证了该算法抑制噪声的有效性，同时能很好地保持边缘等细节特征，峰值信噪比得到有效提高。

关键词: 图像去噪, 非局部均值算法, 结构张量, 局部对比度

Abstract: Non-Local Means（NL-Means） algorithm is an emerging and effective image denoising method.In order to sufficiently use the self-similarity of the image local geometric structures，this paper proposes a NL-Means image denoising algorithm based on structure tensor for similarity measure，which is capable of describing the self-similarity of local geometric structures in the image.The experimental results demonstrate the effectiveness of the algorithm，also show that the method has advantages for both edge preserving and PSNR value.

Key words: image denoising, Non-Local Means（NL-Means） algorithm, structure tensor, local contrast

中图分类号:

TP391

许娟^1，2，孙玉宝²，韦志辉². 基于结构张量的Non-Local Means去噪算法研究[J]. 计算机工程与应用, 2010, 46(28): 178-180.

XU Juan^1，2，SUN Yu-bao²，WEI Zhi-hui². Non-Local Means algorithm based on structure tensor[J]. Computer Engineering and Applications, 2010, 46(28): 178-180.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[6]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[7]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[8]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[9]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[10]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[11]	董俊兰，张灵，陈云华. 自适应加权融合显著性结构张量和LBP的表情识别[J]. 计算机工程与应用, 2019, 55(17): 185-190.
[12]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[13]	潘治鸿，窦浩，刘迪，田金文. 基于直线和区域显著性融合机制的机场检测[J]. 计算机工程与应用, 2018, 54(8): 154-159.
[14]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[15]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.

基于结构张量的Non-Local Means去噪算法研究

Non-Local Means algorithm based on structure tensor

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics