文章来源:
Yamanappa W, Sudeep P V, Sabu M K, et al. Non-local means image denoising using Shapiro-Wilk similarity measure[J]. IEEE Access, 2018, 6: 66914-66922.
摘要:
图像去噪是通过改善图像的信噪比来提升图像处理效果的,其对于图像处理而言是必不可少的预处理步骤。对于被加性高斯白噪声而言,非局部均值处理算法是其首选方法。常规的非局部均值滤波算法能够抑制图像噪声,并且能够最大程度的减少图像信息的损失。这篇文章使用Shapiro-Wilk检验统计方法选择了待处理样本,通过在标准测试图像上进行实验,证明了该方法的有效性。
介绍:
Buades等人提出了一种对非局部图像块之间相似度权重的均值处理方法,所谓非局部就是考虑到了不位于待处理图像块附近的图像块,因此能够在一定程度上提升图像去噪的效果。常规的NLM算法(Convential NLM)的性能取决于相似性的度量方法,衰减参数以及搜索窗和相似窗口的大小。近年来,有大量的学者提出了不同的NLM框架来优化这些参数,从而达到提升去噪性能以及减少运算时间的目的。将今年来他们的研究成果列在表1中。基于此,这篇文章使用Shapiro-Wilktest作为相似性度量,代替原有的欧几里得距离,从而达到改进CNLM算法的目的。
理论:
A. AWGN模型
含噪图像V是一个由像素值构成的二维矩阵,该模型能够用数学表达式表示为:
其中,U表示的是原图,