基于NLM的圖像三維去噪算法

朱鴻鵬 袁赟

【摘要】隨著信息化的發(fā)展，對于信息的獲取已經(jīng)不再局限于文字，數(shù)字圖像已經(jīng)成為人們生活中不可缺少的信息來源。但是在圖像的獲取中，圖像的質(zhì)量、準(zhǔn)確性、效果就成為了探討的話題，因?yàn)橹挥泻玫膱D像才能發(fā)揮其作用。在實(shí)際的圖像獲取中，因?yàn)楦鞣N原因?qū)е聢D像會(huì)被噪聲污染，影響人們對圖像信息的提取。本文以此問題來進(jìn)行探討，結(jié)合已有的研究成果和自己的知識，分析采用NLM算法基礎(chǔ)上實(shí)現(xiàn)圖像三維去噪。

【關(guān)鍵詞】NLM算法;數(shù)字圖像;三維去噪

【基金項(xiàng)目】湖南省教育廳項(xiàng)目“基于改進(jìn)人工蜂群算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究”（16C1452）;邵陽市社科聯(lián)項(xiàng)目“大數(shù)據(jù)背景下“互聯(lián)網(wǎng)+智庫”新型智庫建設(shè)研究”（18YBB49）;邵陽市科技局項(xiàng)目“基于改進(jìn)人工蜂群算法的貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)研究”（2018ZD11）

圖像在生成和傳輸?shù)倪^程中，容易被各種噪聲的干擾而影響圖像的質(zhì)量，這就會(huì)影響后續(xù)對圖像的處理和信息的提取。因此提出圖像去噪，讓圖像在生產(chǎn)和傳輸?shù)倪^程中，能夠去除干擾的信息，確保信息的完整性。本文所研究的是在NLM算法的基礎(chǔ)上，形成一個(gè)新的三維去噪算法，也可以說在NLM的基礎(chǔ)上實(shí)現(xiàn)優(yōu)化。

1. 理論基礎(chǔ)

1.1 圖像噪聲

圖像收到噪聲的干擾，也就是圖像中的一部分像素被噪聲像素所取代，讓原有的像素缺失，影響后續(xù)人們對圖像信息的提取。而且圖像不僅作為人們生活中不可缺少的信息來源，也在各大領(lǐng)域中發(fā)揮著重要的作用，比如醫(yī)學(xué)中，醫(yī)生和醫(yī)學(xué)研究者都會(huì)通過圖像信息判斷病情等，而且圖像信息還是其決策和研究的重要依據(jù)。

在圖像的獲取中，噪聲一般和信號交織在一起，會(huì)使圖像本身的細(xì)節(jié)部分變得模糊不清，圖像的質(zhì)量下降。圖像的噪聲可以分為幾種類型：外部噪聲（人為噪聲、自然噪聲）、內(nèi)部噪聲（通訊設(shè)備的電子器件、天線等），按照噪聲的特征可以分為：高斯噪聲、椒鹽噪聲、瑞麗噪聲、伽馬噪聲、均勻噪聲。

1.2 NLM算法

NLM圖像去噪算法，也就是非局部濾波去噪算法，是目前比較常見的一種去噪方法，被廣泛的應(yīng)用于多個(gè)領(lǐng)域，去噪效果良好。是在傳統(tǒng)的局部去噪算法進(jìn)行的一個(gè)改進(jìn)和優(yōu)化。非局部濾波去噪是利用圖像中存在的冗余信息，達(dá)到去噪的效果。并不是對圖像中某單個(gè)像素進(jìn)行比較，而是對研究像素周圍整個(gè)像素灰度分布情況作比較，然后計(jì)算權(quán)重。使用非局部濾波法去噪，在很大程度上提高了去噪的效果。

具體而言，非局部濾波去噪算法，是對于含有噪聲的圖像，利用圖像中像素值和加權(quán)平均進(jìn)而替換噪聲像素的像素值，實(shí)現(xiàn)去噪的目的。公式為：

I表示圖像域大小，i是圖像中的任意一個(gè)元素。公式中V（j）是受噪聲污染的圖像，z（j）是去噪聲后的圖像，而權(quán)重w（i，j）則是依賴于i與j在之間的相似性。

圖像信息所發(fā)揮的所用越來越大，不僅是人們生活中移動(dòng)智能設(shè)備所使用的，各領(lǐng)域也會(huì)通過采集圖像信息，已經(jīng)成為發(fā)展不可分割的一部分。那么簡單的NLM圖像去噪算法已經(jīng)不能滿足當(dāng)前對圖像去燥的要求，因此就在NLM圖像去噪算法的基礎(chǔ)上進(jìn)一步深入研究，對其不斷的優(yōu)化和完善，提高去噪效果。

1.3 三維去噪

在傳統(tǒng)圖像去噪中，對于NLM圖像去噪算法的運(yùn)用，基本上都是在二維空間域的基礎(chǔ)上對圖像進(jìn)行非局部均值運(yùn)算。隨著三維去噪法的提出和應(yīng)用，人們也逐漸的認(rèn)識到了三維去噪法的優(yōu)勢，開始探索NLM圖像去造算法結(jié)合三維去噪法，進(jìn)一步的提高去噪效果，提高圖像的質(zhì)量。

2. 基于NLM的圖像三維去噪算法

2.1 三維去噪的實(shí)現(xiàn)

視頻圖像序列在時(shí)域上是存在很強(qiáng)的相關(guān)性的，對時(shí)間軸上的穩(wěn)定性具有一定的要求，本次與所采用的三維去噪的具體步驟為：當(dāng)前的圖像進(jìn)行空間去噪，然后去噪的結(jié)果得到權(quán)重的綜合，對其進(jìn)行時(shí)域加權(quán)平均，就可以得到結(jié)果。另外是臨近的圖像針對當(dāng)前的圖像進(jìn)行空間NLM去噪，最后進(jìn)行時(shí)域加權(quán)平均，實(shí)現(xiàn)去噪的目的?？偟膩碇v，就是首先對當(dāng)前的圖像和相鄰的圖像分別進(jìn)行一個(gè)單幀NLM去噪，然后在對去噪結(jié)果進(jìn)行時(shí)域加權(quán)平均，已達(dá)到去噪的目的。此時(shí)三維去噪在NLM基礎(chǔ)上的實(shí)現(xiàn)，也是時(shí)空聯(lián)合去噪，提高去噪的效果。

2.2 基于NLM的圖像三維去噪分析

對于采用NLM算法實(shí)現(xiàn)三維去噪，如何分析其去噪結(jié)果情況，對于圖像質(zhì)量評價(jià)的標(biāo)準(zhǔn)，有很多個(gè)方面信噪比、均方誤差和峰值信噪比、結(jié)構(gòu)相似性指標(biāo)等。本次就提到了一個(gè)衡量圖像質(zhì)量的常用指標(biāo)峰值信噪比。去噪的目的是恢復(fù)原始圖像，一般都是去噪后圖像與原始圖像的像素點(diǎn)間的距離來度量。標(biāo)峰值信噪比是通過均方誤差進(jìn)行定義，是一個(gè)表示信號最大可能功率影響他的表示精度的破壞性噪聲功率的比值的工程術(shù)語，經(jīng)常別用來檢測圖像的質(zhì)量。

本次對于峰值信噪比的定義：

公式中N就是比較數(shù)值的個(gè)數(shù)，MAX1是圖像點(diǎn)顏色的最大數(shù)值。在計(jì)算中，峰值信噪比的數(shù)值越大，那么就可以證明去噪的結(jié)果越好。本次對于圖像質(zhì)量的分析，主要參考王敏，王洪劍，等人研究：基于NLM的圖像三維去噪算法的里面的實(shí)驗(yàn)分析方法。對四幅圖像組成4個(gè)測試的視頻，對每一個(gè)測試圖像向通過復(fù)制生成圖像序列，在圖像上疊加噪聲。首先選出一幅計(jì)算出無噪聲的峰值信噪比，然后對其進(jìn)行不同方法去噪，并分別計(jì)算其峰值信噪比。? 實(shí)驗(yàn)中采用四中去噪方法對圖像進(jìn)行去噪，最后檢測去噪效果根據(jù)計(jì)算所得出的數(shù)據(jù)可以發(fā)現(xiàn)，不論是那一幅圖像，采用NLM的三維去噪算法得出的峰值信噪比越大，也就意味著去噪效果最佳?？梢源_定采用NLM的三維去噪算法可以有效的提高去噪效果，提高圖像的質(zhì)量。另外可以進(jìn)行一個(gè)圖像的對比，也可以清楚的發(fā)現(xiàn)NLM的三維去噪算法對圖像中的平滑區(qū)、細(xì)節(jié)和邊緣的噪聲進(jìn)行一個(gè)去除，并且不會(huì)噪聲模糊。

結(jié)語：文章探討基于NLM的圖像三維去噪算法 ，通過去圖像去噪、三維算法、NLM算法進(jìn)行一個(gè)分析，分析采用NLM的三維去噪的具體使用，在文章的最后對該去噪算法的結(jié)果進(jìn)行了一個(gè)檢測，確定NLM的三維去噪法可以有效的提高去噪效果。隨著時(shí)代的發(fā)展，圖像信息發(fā)揮著越來越重要的作用，對于圖像去噪還需要不斷的優(yōu)化，提高圖像質(zhì)量，獲取圖像信息。

參考文獻(xiàn)：

[1]易三莉，李思潔，賀建峰，張桂芳.萊斯校正的NLM算法在擴(kuò)散加權(quán)圖像中的應(yīng)用[J].小型微型計(jì)算機(jī)系統(tǒng)，2019，40（02）：439-444.

[2]戴麗. 基于局部特征的圖像三維去噪算法研究[D].江蘇科技大學(xué)，2014.

作者簡介：朱鴻鵬（1977—），男，湖南邵陽人，副教授，碩士，主要研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)、算法研究、數(shù)據(jù)挖掘。