基于局部边沿方向的非局部均值图像去噪算法（英文）

经典的非局部均值(Classic non-local means, CNLM)算法利用图像中自有的自相似性对噪声进行去除。去噪像素值通过其非局部邻域中所有像素的加权平均而得到。在CNLM算法中,计算权重系数的过程中同时考虑了像素值和该像素点距离中心像素点的距离之间的差异。然而,由于各向同性,高斯核不能反应边沿和结构信息,并且高斯核在平坦区域表现欠佳。本文提出了一种改进的基于局部边沿方向的非局部均值图像去噪算法。在边沿和结构区域使用旋转核回归系数(Steering kernel regression, SKR)计算权重系数,在平坦区域使用平均核计算权重系数。实验结果表明,与CNLM算法相比,提出的算法可以在有效地保护边沿和结构的同时更好地去除噪声。