蔡郁青 孙忠贵

(1.聊城大学季羡林学院,山东聊城 252000;2.聊城大学数学科学学院,山东聊城 252000)

0 引言

数字图像的应用已经渗透到生物医学[1-2]、信息科学[3]、交通运输[4-5]、航空航天[6]、气象预测[7]、工业[8]、农业[9]等各个生活领域与行业。然而,由于受成像设备、环境和传输条件的限制,现有的图像获取过程难免会受到噪声的影响,从而使成像质量下降,并给后续的图像识别、分析、检测等任务带来挑战。

近年,非局部均值滤波器(NLM)[10]因其优良的去噪性能吸引了越来越多研究者的关注。与传统去噪算法相比,NLM滤波器主要有两个方面的改进:(1)将滤波窗由局部拓展至非局部,更好地利用了图像的周期性;(2)像素间的相似性计算通过其所在的图像片,增强了算法对噪声的鲁棒性。NLM滤波器已被广泛的应用于图像去噪[11-15]、图像超分辨、视频增强等多个领域。

借助不同成像设备,可获取同一目标多种模态的图像[16],我们将其称为多模态图像。这些模态可以是可见光、近红外等,它们从不同角度描述同一目标的不同统计信息,从而具有互补性。自然,如何在不同模态之间进行跨模态处理,已成为近年图像处理的一个研究热点[17-19]。本文重点对传统的非局域均值滤波器算法进行改进,借助结构相似性度量,对滤波器权值施加动态正则化约束,从而将其应用范围由单模态推广至跨模态。本文将所得到新型滤波器称为权值动态正则化约束的跨模态非局部均值滤波器(Non-local Means for Cross-modal Filtering Based on Dynamic-regularized Weights,NLM-CMDW)。相对于传统的NLM滤波器,本文所提NLM-CMDW滤波器的优点主要体现在两个方面:一方面,滤波器中核权值的获取在较为可靠的模态上进行,使其更为可信。……