优化的预处理像素相似度非局部均值去噪算法

本文主要探讨了"改进的权重函数在非局部均值（Non-local Means, NLM）图像降噪中的应用"。非局部均值滤波器是一种基于图像局部相似性的降噪方法，它通过寻找整个图像中与目标像素具有高相似性的区域来估计其干净值。传统的NLM算法依赖于噪声观测值计算相似性，但在实际应用中，这可能导致降噪效果受到噪声干扰。 作者提出了一种创新的改进权重函数，该函数将计算预处理像素块之间的非局部相似性，而非直接使用噪声观测值。这种转变基于大数定律的原理，即预处理过程中的像素块范数更接近原始清晰像素块的范数。因此，新的权重函数设计更加优化，能够更准确地选择相似的像素块进行降噪操作。这种方法减少了噪声对相似性评估的影响，从而提高降噪效果。 实验结果显示，相比于传统方法，提出的改进算法在图像恢复质量上表现更为优越，能更好地抑制噪声，同时保持图像细节的清晰度。这项研究对于提升非局部均值降噪算法的性能具有重要意义，特别是在处理复杂场景下，如医学图像、遥感图像或存在强噪声的自然图像时，这种改进可能会显著改善图像的视觉质量和可分析性。 该研究得到了中国国家自然科学基金的支持（Nos．U1504603，61301229）以及河南省高校重点科研项目的支持（Nos．18A120002，19A110014）。作者许建楼和郝岩分别来自河南科技大学数学与统计学院，他们的研究成果表明，通过改进的权重函数，非局部均值降噪技术在实际图像处理任务中具有更大的潜力和应用价值。