圖像去噪是圖像處理中的一個重要問題，能夠影響到后續(xù)圖像處理結(jié)果，并最終決定圖像視覺效果。另外，在對圖像進行噪聲去除的同時，還需要盡可能保存圖像細節(jié)信息，對此光電所五室提出一種保持圖像邊緣和紋理的非局部均值濾波改進算法。
該方法在對噪聲像素點進行估計時，采用了邊緣和紋理信息替代原始的距離信息，來確定計算中參考像素點的權(quán)重，而邊緣和紋理的權(quán)重分別由方向梯度和方差系數(shù)來決定。在選取含噪圖像中待處理點（即基準點）的參考點時，考慮參考點與基準點如果都處于紋理區(qū)域，就應(yīng)該減小此時的濾波強度，以達到保存紋理的效果。為此該方法中引入紋理度量因子，此因子值越大，像素鄰域的紋理越豐富；同時，為了在去噪時盡量保存圖像邊緣信息，對原圖像進行邊緣檢測。根據(jù)邊緣檢測的結(jié)果，對于一個處于邊緣的基準點在尋找其參考點時，如果某一個參考點也為邊緣點，即說明這兩點的相似度很可能比參考點為平滑區(qū)域點時的相似度高，因此此時在權(quán)重中再加入兩點鄰域的方向梯度的相似性因子。結(jié)合以上兩點的改進，最終得到改進算法中參考點對于基準點的加權(quán)權(quán)重計算公式。
經(jīng)實驗驗證，對于不同程度的不同含噪圖像的處理效果，新的算法相比原算法的SSIM評價值平均提升7.6%；通過對不同圖像進行實驗，表明改進后新的算法比傳統(tǒng)的非局部均值濾波算法具有更高的SSIM客觀評價值和更好的主觀評價結(jié)果。
Fig: (Left to right, up to bottom) image ‘lax’
original image, noisy image, denoised by NLM, denoised by our method
noise std=18