文献阅读2020.11.29

本周工作内容总结

因为课程考核的需要，近期主要看来几篇图像去噪方面的论文：
（1）渐近非局部平均图像去噪算法（邢笑笑,王海龙,李健 & 张选德.(2020).渐近非局部平均图像去噪算法. 自动化学报(09),1952-1960）
解决的问题：①针对NLM算法运算复杂度高的问题，基于互相关（CC）和快速傅里叶变换（FFT）构造了一种快速算法②NLM在滤除噪声的同时会模糊图像结构信息，在强噪声条件下更是如此，针对这一问题，提出了一种渐进非局部平均图像去噪算法。
核心思路：①对NLM中最耗运算量的相似度量的计算进行分解与分析。首先将相似性度量的计算转换为相关滤波，然后利用FFT来实现相关滤波，由此构造了快速算法②针对NLM在噪声方差较大时，会产生图像结构和纹理模糊的问题，提出了一种渐进非局部滤波方法。这种方法对图像进行两次滤波，第一次采用固定的滤波参数，第二次利用方差的性质进行逐点计算。
创新点：①采用FFT来进行相关滤波，显著提升了计算的效率②提出渐进非局部滤波算法，相较于一次的滤波算法系，显著提升了效率和准确性。
不足：滤波参数在论文中设定为一个固定的数值，但是滤波参数应该随着图像的方差以及含噪图像的方差等因素而变化，而不是针对不同的含噪图像用同一个固定的数值，这是该文一个值得改进的地方。
借鉴点（展望）：可以借鉴该论文中对于算法的改进点进行研究，本文中的改进算法确实能够减少很大的计算量，而且提出的渐进算法也能有效的提高去噪能力。
（2）自适应的快速非局部图像去噪算法（王志明 & 张丽.(2009).自适应的快速非局部图像去噪算法. 中国图象图形学报(04),669-675.）
解决的问题：①一种定量估计算法滤波参数最优值的方法，由噪声图像估计噪声方差，进而由噪声方差与图像方差估计滤波参数。②提出自适应非局部均值算法，将算法中复杂度最高的两个像素间距离计算由两次将为一次，降低计算量。
核心思路：通过实验确立滤波参数玉藻升一级图像方差之间存在某种对应关系，然后对于NLM算法中提出的方法进行改进，得出一个新的自适应滤波参数公式。通过考虑局部区域距离的对称性，改变计算方式，可以有效地降低计算量。
创新点：主要在于提出一种自适应滤波参数的计算方法，可以针对不同的图像，以及不同的含噪图像进行滤波参数的确立，这样对于去噪能力具有更好的能力
借鉴点：可以考虑对于很多论文中设定固定滤波参数值的情况进行改进，可能会有更好的滤波能力。