762.
目的 非局部均值NLM(non-local means)方法是一种有效的数字图像去噪方法。然而,在实际去噪过程中,非局部均值的衰减参数通常是固定的而且无法随着图像的变化而作适应性的调整。为了使非局部均值方法更加有效, 提出一种将适用于多种噪声分布的无参考图像内容量度(表示为Q)引入NLM的迭代方法,来优化固定的衰减参数。
方法 首先,针对普通图像的去噪,利用量度Q来测量每一次调整衰减参数后所对应的去噪结果的图像质量,凭借该迭代机制找到Q的最大值,从而获得最优的图像去噪结果;其次,将该量度用于MRI(magnetic resonance imaging)图像的去噪,利用Q来度量图像所含结构信息(如纹理和边缘),进而调整用于MRI图像去噪的无偏非局部均值法的衰减参数。
结果 实验结果显示,本文方法提升了去噪结果的峰值信噪比(PSNR),并且本文方法的去噪结果在视觉上看起来比用传统方法得到的结果更清晰。
结论 利用无参考图像内容量度Q来优化NLM方法的衰减参数,使得NLM方法能够针对不同的图像自适应地调整衰减参数以取得最优的去噪效果。实验结果表明用图像内容量度Q来优化非局部均值法的参数是有效的。… …
相似文献