基于非局部平均滤波的冲击噪声图像恢复算法

针对随机值冲击噪声污染图像的恢复问题,研究了冲击噪声环境下的非局部平均滤波模型,并在模糊权重非局部平均滤波算法的基础上加以改进,解决了原算法在低噪声比率下恢复性能欠佳以及算法时耗过高的问题。提出了一种信赖度参数设置准则,并在该准则指导下设置了新的信赖度门限参数;根据冲击噪声模型特点重新规划了滤波策略,提升了算法的运算效率。大量实验数据证明,所提算法无论在低噪声比率还是高噪声比率下均能有效去除冲击噪声,尤其对于纹理性较强的图像有显著的去噪效果;同时,所提算法拥有较高运算效率,实用性得以提高。

基于稀疏表示与非局部相似的图像去噪算法

针对受加性高斯白噪声(AWGN)与椒盐噪声(SPIN)以及随机值冲击噪声(RVIN)组成的混合噪声污染的图像进行去噪的问题,提出一种在现有加权编码算法的基础上将图像稀疏表示和非局部相似先验融合的改进算法。首先,利用基于字典的图像稀疏表示构建去噪变分模型,对模型中的数据保真项设计一个权重因子来抑制冲击噪声的干扰;其次,利用非局部平均思想对混合噪声图像进行初始去噪,在得到的图像中构建掩膜矩阵将冲击噪声点排除进而求取非局部相似先验知识;最后,将非局部相似先验与稀疏先验融合进变分模型的正则项中,求解变分模型得到最终去噪图像。实验结果表明,在不同的噪声比率下,所提算法与模糊加权非局部平均算法相比,峰值信噪比(PSNR)提高了1.7 d B,特征相似性指数(FSIM)提高了0.06;与加权编码算法相比,PSNR提高了0.64 d B,FSIM提高了0.03。该算法对于纹理较强的图像可以显著提升去噪效果,能有效地保留图像的本真信息。