张 芳，郭春生

(杭州电子科技大学通信工程学院，浙江 杭州 310018)

基于非局部贝叶斯的泊松图像去噪算法

张 芳，郭春生

(杭州电子科技大学通信工程学院，浙江 杭州 310018)

针对图像泊松噪声去除问题，提出了一种基于非局部贝叶斯的图像去噪算法，主要根据噪声模型建立相似块组的统计模型.在Bayesian-MAP框架下，利用图像的自相似性，建立基于图像块的泊松图像去噪模型，然后利用分裂Bregman法对模型进行迭代求解.实验结果验证了模型的有效性，与其他泊松去噪算法相比，模型的恢复性能在客观评价指标上具有明显的改善.

泊松噪声；非局部贝叶斯；块模型；分裂Bregman

0 引 言

在光量子计数成像系统中，获取的图像往往出现泊松噪声.针对泊松噪声去除问题，文献[1]结合图像的非局部相似性与梯度模稀疏性先验，提出了一种基于非局部全变差正则化的图像去噪模型，具有较好的去噪效果；文献[2]提出了光谱和空域自适应的全变差泊松去噪算法，能够很好地保持图像的边缘细节.近年来，基于块的方法得到了迅速发展，其中较为经典的是BM3D[3].文献[4]在BM3D算法的基础上，提出了基于周期块匹配的泊松去噪算法；文献[5]提出了基于非局部贝叶斯(Nonlocal Bayesian，NL-Bayes)的高斯去噪算法.受文献[5]的启发，本文对NL-Bayes进行了改进，提出了一种针对泊松噪声的去噪算法.

1 非局部贝叶斯泊松噪声图像去噪模型

(1)

(2)

(3)

(4)

2 分裂Bregman迭代快速算法

由于目标泛函式(4)中泊松似然分布项是解耦的，易于求解，但是向量P的先……