刘传义，王世峰，王开鑫，陈森，孙琪

（长春理工大学 光电工程学院，长春 130022）

图像在生成和传输的过程当中，经常会受到各种噪声的干扰和影响，从而造成图像降质。这对后续的图像处理和图像的视觉效果产生不利的影响，所以、必须对图像进行去噪预处理。图像去噪效果的好坏，会直接影响到后续工作的进行。如：图像分割、边缘检测和目标识别等。因此、对于图像去噪以及去噪效果的评价方法，一直是图像处理领域中重要的研究课题。由于简单的线性滤波器会造成图像模糊，图像的细节将会大量丢失。所以近年来产生了很多非线性滤波器，如小波阈值算法、各向异性扩散方程算法、总变分最小算法等。Buades等人[1]结合之前的算法，提出了一种利用结构相似的算法，即非局部均值滤波（NLM）算法。此算法在去除高斯白噪声时取得了明显的效果，并且证明了在去除周期性的噪声上好于高斯滤波、各向异性滤波、双边滤波等滤波方法。但是此算法也同样存在一些不足之处，例如算法的复杂度较高，导致算法速度比较慢，参数选取复杂，算法自适应能力差，过度滤波等。因此，很多学者针对此算法的不足之处，提出了各种各样的改进。研究主要集中在了两个方面：（1）对算法速度的提升，因其在计算欧氏距离过程中，是点与点的计算与平移，存在大量的计算，时间较长。为了优化加速，引入积分图的思想，先将含噪图像偏移，并与原图做差分平方，作为图像的欧氏距离矩阵[2-4]；……