朱鸿鹏 袁赟

【摘要】随着信息化的发展，对于信息的获取已经不再局限于文字，数字图像已经成为人们生活中不可缺少的信息来源。但是在图像的获取中，图像的质量、准确性、效果就成为了探讨的话题，因为只有好的图像才能发挥其作用。在实际的图像获取中，因为各种原因导致图像会被噪声污染，影响人们对图像信息的提取。本文以此问题来进行探讨，结合已有的研究成果和自己的知识，分析采用NLM算法基础上实现图像三维去噪。

【关键词】NLM算法;数字图像;三维去噪

【基金项目】湖南省教育厅项目“基于改进人工蜂群算法的贝叶斯网络结构学习算法研究”（16C1452）;邵阳市社科联项目“大数据背景下“互联网+智库”新型智库建设研究”（18YBB49）;邵阳市科技局项目“基于改进人工蜂群算法的贝叶斯网络的结构学习研究”（2018ZD11）

图像在生成和传输的过程中，容易被各种噪声的干扰而影响图像的质量，这就会影响后续对图像的处理和信息的提取。因此提出图像去噪，让图像在生产和传输的过程中，能够去除干扰的信息，确保信息的完整性。本文所研究的是在NLM算法的基础上，形成一个新的三维去噪算法，也可以说在NLM的基础上实现优化。

1. 理论基础

1.1 图像噪声

图像收到噪声的干扰，也就是图像中的一部分像素被噪声像素所取代，让原有的像素缺失，影响后续人们对图像信息的提取。而且图像不仅作为人们生活中不可缺少的信息来源，也在各大领域中发挥着重要的作用，比如医学中，医生和医学研究者都会通过图像信息判断病情等，而且图像信息还是其决策和研究的重要依据。

在图像的获取中，噪声一般和信号交织在一起，会使图像本身的细节部分变得模糊不清，图像的质量下降。图像的噪声可以分为几种类型：外部噪声（人为噪声、自然噪声）、内部噪声（通讯设备的电子器件、天线等），按照噪声的特征可以分为：高斯噪声、椒盐噪声、瑞丽噪声、伽马噪声、均匀噪声。

1.2 NLM算法

NLM图像去噪算法，也就是非局部滤波去噪算法，是目前比较常见的一种去噪方法，被广泛的应用于多个领域，去噪效果良好。是在传统的局部去噪算法进行的一个改进和优化。非局部滤波去噪是利用图像中存在的冗余信息，达到去噪的效果。并不是对图像中某单个像素进行比较，而是对研究像素周围整个像素灰度分布情况作比较，然后计算权重。使用非局部滤波法去噪，在很大程度上提高了去噪的效果。

具体而言，非局部滤波去噪算法，是对于含有噪声的图像，利用图像中像素值和加权平均进而替换噪声像素的像素值，实现去噪的目的。公式为：

I表示图像域大小，i是图像中的任意一个元素。公式中V（j）是受噪声污染的图像，z（j）是去噪声后的图像，而权重w（i，j）则是依赖于i与j在之间的相似性。

图像信息所发挥的所用越来越大，不仅是人们生活中移动智能设备所使用的，各领域也会通过采集图像信息，已经成为发展不可分割的一部分。那么简单的NLM图像去噪算法已经不能满足当前对图像去燥的要求，因此就在NLM图像去噪算法的基础上进一步深入研究，对其不断的优化和完善，提高去噪效果。

1.3 三维去噪

在传统图像去噪中，对于NLM图像去噪算法的运用，基本上都是在二维空间域的基础上对图像进行非局部均值运算。随着三维去噪法的提出和应用，人们也逐渐的认识到了三维去噪法的优势，开始探索NLM图像去造算法结合三维去噪法，进一步的提高去噪效果，提高图像的质量。

2. 基于NLM的图像三维去噪算法

2.1 三维去噪的实现

视频图像序列在时域上是存在很强的相关性的，对时间轴上的稳定性具有一定的要求，本次与所采用的三维去噪的具体步骤为：当前的图像进行空间去噪，然后去噪的结果得到权重的综合，对其进行时域加权平均，就可以得到结果。另外是临近的图像针对当前的图像进行空间NLM去噪，最后进行时域加权平均，实现去噪的目的。总的来讲，就是首先对当前的图像和相邻的图像分别进行一个单帧NLM去噪，然后在对去噪结果进行时域加权平均，已达到去噪的目的。此时三维去噪在NLM基础上的实现，也是时空联合去噪，提高去噪的效果。

2.2 基于NLM的图像三维去噪分析

对于采用NLM算法实现三维去噪，如何分析其去噪结果情况，对于图像质量评价的标准，有很多个方面信噪比、均方误差和峰值信噪比、结构相似性指标等。本次就提到了一个衡量图像质量的常用指标峰值信噪比。去噪的目的是恢复原始图像，一般都是去噪后图像与原始图像的像素点间的距离来度量。标峰值信噪比是通过均方误差进行定义，是一个表示信号最大可能功率影响他的表示精度的破坏性噪声功率的比值的工程术语，经常别用来检测图像的质量。

本次对于峰值信噪比的定义：

公式中N就是比較数值的个数，MAX1是图像点颜色的最大数值。在计算中，峰值信噪比的数值越大，那么就可以证明去噪的结果越好。本次对于图像质量的分析，主要参考王敏，王洪剑，等人研究：基于NLM的图像三维去噪算法的里面的实验分析方法。对四幅图像组成4个测试的视频，对每一个测试图像向通过复制生成图像序列，在图像上叠加噪声。首先选出一幅计算出无噪声的峰值信噪比，然后对其进行不同方法去噪，并分别计算其峰值信噪比。  实验中采用四中去噪方法对图像进行去噪，最后检测去噪效果根据计算所得出的数据可以发现，不论是那一幅图像，采用NLM的三维去噪算法得出的峰值信噪比越大，也就意味着去噪效果最佳。可以确定采用NLM的三维去噪算法可以有效的提高去噪效果，提高图像的质量。另外可以进行一个图像的对比，也可以清楚的发现NLM的三维去噪算法对图像中的平滑区、细节和边缘的噪声进行一个去除，并且不会噪声模糊。

结语：文章探讨基于NLM的图像三维去噪算法 ，通过去图像去噪、三维算法、NLM算法进行一个分析，分析采用NLM的三维去噪的具体使用，在文章的最后对该去噪算法的结果进行了一个检测，确定NLM的三维去噪法可以有效的提高去噪效果。随着时代的发展，图像信息发挥着越来越重要的作用，对于图像去噪还需要不断的优化，提高图像质量，获取图像信息。

参考文献：

[1]易三莉，李思洁，贺建峰，张桂芳.莱斯校正的NLM算法在扩散加权图像中的应用[J].小型微型计算机系统，2019，40（02）：439-444.

[2]戴丽. 基于局部特征的图像三维去噪算法研究[D].江苏科技大学，2014.

作者简介：朱鸿鹏（1977—），男，湖南邵阳人，副教授，硕士，主要研究方向为计算机网络、算法研究、数据挖掘。