陈茹静

摘要：传统非局部均值（NL-Means）图像算法已经广泛应用到图像去噪领域。但非局部均值滤波只定义了平移的不变形，对于图像块的尺度和方向并没有加以妥善应用。为了获得更好地去噪效果，对传统非局部均值算法进行改造，因非下采样轮廓变换克服了小波（Wavelet）变换的非奇异性最优基缺点，本文提出基于非下采样轮廓变换的非局部均值去噪算法。实验结果表明，本文算法不仅比经典NLM算法PSNR值有较大改善，而且时间复杂度得到很大提高。

关键词：图像去噪；非下采样轮廓变换；非局部均值滤波；时间复杂度

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）08-0195-02

数字图像在获取、传输、转换、存储过程中不可避免地受到各类噪声的污染，从而造成图像质量下降，使得数字图像后继处理如：分割，检索，特征提取受到影响。因此图像去噪在图像处理领域炙手可热。现实生活中噪声种类很多，按概率密度的统计特征可分为高斯噪声，椒盐噪声，泊松噪声，锐利噪声。在图像处理过程中许多噪声可以近似为高斯分布的白噪声。

目前图像去噪大体分为线性滤波去噪和非线性去噪两大类。线性滤波在平滑噪声的处理中表现优越，但对图像边缘处理较差，而非线性滤波方法在对图像去噪领域具有更大的优势。

1 非下采样轮廓波简介

轮廓变换主要依赖子带分解和方向变换，从而把图像分解成各个尺度的带通子带。在离散域进行的轮廓变换由于采样操作使其丧失了平移不变性，从而导致图像去噪时奇点的周围出现伪吉布斯（Gibbbs）现象[1]。……