多尺度改进非局部平均图像去噪算法

数字图像处理是数学技术和计算机技术交叉领域的一门新学科，图像去噪一直是该领域的研究热点。数字图像在其形成、传输和记录的过程中，由于成像系统、传输介质和记录设备的不完善而往往导致图像受到多种噪声的污染。而在模式识别、图像分析和视频编码等领域中，噪声图像的前期去噪十分重要，它从整个图像分析的流程上来讲属于图像的预处理阶段，从数字图像处理的技术角度来说属于图像恢复的技术范畴，因此具有非常重要的地位，其去噪效果的好坏直接影响到后续处理的质量和效果。 本文我们首先对噪声的背景知识以及小波基本理论和小波阈值去噪算法做了系统的阐述；然后我们讨论了双边滤波和非局部平均滤波这两类经典的去噪模型，并对其各自的优缺点进行分析；接着我们针对传统非局部平均滤波计算量大以及去噪后留有噪声痕迹这两方面缺陷，对其做了进一步的研究，从而介绍了快速非局部平均算法以及一种改进的非局部平均滤波算法，大大节省了它的计算时间，并且增加了其去噪效果；然后我们又介绍了一种最新的去噪方法，即引导图像滤波方法，它的滤波输出是参照一幅引导图像来获得的，其去噪效果堪比非局部平均，并且该算法与非局部平均算法的计算时间相比要少很多，从而很好的体现了该算法的优越性；而本文最后我们介绍基于小波分解的图像去噪方法，分别介绍了基于双尺度小波分解去噪和基于多尺度的小波分解去噪，并对不同的去噪方法进行了横向的比较，并且还对基于双尺度和基于多尺度这两种分解方法所产生的去噪效果进行了纵向的比较，并结合实验数据进行了详细分析。