论文部分内容阅读
科学技术的高速发展催生了信息革命,数字图像作为信息获取、表达和传递的重要方式,其准确性和清晰性至关重要。然而图像噪声会导致图像降质。为了得到高质量的图像,图像去噪算法的研究从未间断,三维块匹配协同滤波算法（Block-matching and 3D filtering,BM3D）是其中集大成者,但它仍存在一些不足:算法效率低下、对高强度噪声图像去噪效果差、边缘纹理信息丢失。为了使图像去噪效果更理想,改进原有算法、提出更有效的方法尤为迫切和重要。本文首先研究了SFCM图像聚类算法和自适应边缘检测算法,然后在此基础上对BM3D图像去噪算法做了改进,最后通过仿真实验说明了改进算法的优势。论文主要创新工作和研究成果如下:（1）针对BM3D算法因全局搜索导致效率低下、对高强度噪声图像去噪效果差的不足,提出基于SFCM聚类的BM3D图像去噪算法,该算法利用图像像素点的灰度分布特性,通过SFCM聚类算法将图像像素点分为不同的类别,每一类为一个同质区域,同质区域内的像素点相似性高,非同质区域内的像素点相似性低,块匹配不必再进行全局搜索,而是在同质区域内,以此提高算法去噪效率;该算法还利用SFCM聚类算法对噪声不敏感这一特点,实现了对高强度噪声图像的准确聚类,同时结合改进的加权2L范数块间相似度计算方法,改善了高强度噪声图像的去噪效果。大量实验结果表明,该改进算法将图像去噪质量平均提高了0.95dB,高强度噪声图像去噪质量平均提高了1.28dB,算法运行时间平均减少了4.81s。（2）针对BM3D算法边缘纹理信息丢失的不足,提出基于自适应边缘检测的BM3D图像去噪算法,该算法利用图像结构特性,根据自适应边缘检测的结果将图像划分为边缘区域和平滑区域,在边缘区域利用边缘方向进行块匹配,从而在图像去噪同时保留更完整的边缘纹理信息。大量实验结果表明,该改进算法将图像去噪质量平均提高了0.80dB,图像结构相似度平均提高了1.11倍。（3）结合（1）和（2）,提出基于图像分割的图像去噪方法,该算法分别对图像在同质区域和边缘区域内进行块匹配,在提高效率同时保留了更完整的边缘纹理信息,同时提高了高强度噪声的去噪效果。在此基础上,实现了对彩色噪声图像的去噪处理。大量实验结果表明,该改进算法将灰度图像去噪质量平均提高了1.77dB,图像结构相似度提高了1.10倍,算法运行时间平均减少了4.21s;将彩色图像去噪质量平均提高了0.58dB,图像结构相似度提高了1.05倍,算法运行时间平均减少了3.78s。此外,相比于各类经典图像去噪算法,该算法不论对灰度图像还是彩色图像,去噪效果都是最好的。