黄凌霄　张选德　马文涛

摘要：介绍了非局部均值（Non-local Means，NLM）去噪算法的基本理论，比较了储粮害虫图像现有的去噪经典方法与非局部均值去噪算法。结果表明，非局部均值去噪算法具有较明显的去噪视觉效果，在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和结构相似性（Structural SIMilarity，SSIM）的定量比较中也具有较好的去噪质量。

关键词：非局部均值；图像去噪；峰值信噪比；结构相似性

中图分类号：TP391.41 文献标识码：A 文章编号：0439-8114（2015）19-4833-03

DOI：10.14088/j.cnki.issn0439-8114.2015.19.046

Abstract： The theoretical basis of non-local means was introduced， and some classical denoising algorithms was compared with the non-local means denoising algorithm in grain insect image. Results showed that non-local means denoising algorithm had the obvious denoising visual effects， also had better denoising quality in the quantitative comparisons of peak signal-to-noise ratio and structural similarity.

Key words：non-local means；image denoising；peak signal-to-noise ratio；structural similarity

中国是粮食生产和储藏大国，但中国每年储粮损耗约110亿kg，其中因储粮害虫造成的损失占10%～30%。目前，国内外在储粮害虫检测方面主要采用的方法有扦样法、诱集法、近红外法、声信号法和图像识别法等[1-6]。由于人工检测的效率低下、信息素的合成困难以及干扰等因素，使得大多数方法不能准确实时地检测出粮虫的信息，从而图像识别方法成为粮虫识别的主要发展方向。在储粮害虫图像识别检测系统中，机器视觉系统采用CCD（Charge Coupled Devices）照相机实时拍摄粮仓害虫图像，并转化为数字信号，采用相应的技术使计算机能自动提取粮虫的形态性状、智能识别害虫种类。但是，图像在生成或传输过程中常因受到各种噪声的干扰和影响而使图像的质量下降，对后续的图像处理产生不利影响。因此，图像去噪是图像处理中的一个重要环节。

现有的图像去噪主要分为空域去噪和频域去噪两大类。空域去噪的滤波经典方法主要包括线性滤波中的高斯滤波[7]、非线性滤波中的中值滤波[8]、顺序统计滤波和自适应滤波[9]等， 频域去噪的滤波经典方法主要是小波阈值收缩法[10]。……