基于Log-Gabor特征的非局部均值去噪算法及其加速方案研究

非局部均值是一种基于像素长程相似性的图像空域去噪算法,它一般采用灰度块特征估计图像像素间的相似度.文中首先使用基于Log-Gabor特征的像素间相似度估计获得较好的去噪效果.然后将Log-Gabor几何特征与灰度特征相融合,所形成的混合相似度具有更佳的图像局部自适应性,去噪性能也得到进一步提升.最后基于Johnson-Lindenstrauss引理研究利用随机降维方法降低相似度计算的复杂度,并对该加速方案的效果,包括降维前后运行时间对比、降维程度以及随机矩阵生成方法对去噪性能的影响,进行详细试验分析,结果证明基于随机降维的加速方案的有效性.

双重自适应非局部均值图像去噪算法

针对非局部均值算法对边缘去噪能力较差的缺陷,提出了一种新的自适应非局部均值去噪算法。一方面利用基于均方误差最小化准则的主动匹配,以确定两图像块之间的最佳匹配形状与尺寸,进而得到较为鲁棒的相似度估计。另一方面,利用局部Hessian矩阵特征值判断图像块类型,并据此进行滤波窗口尺寸的自适应调整。细致分析与仿真结果表明,新算法有效克服了原始非局部均值算法存在的边缘去噪能力较差的问题,综合去噪性能达到甚至超过了最新的自适应非局部均值算法。