徐 可,王洪雁
(1.周口师范学院网络工程学院,河南 周口 466000;2.大连大学信息工程学院,辽宁 大连 116622)
采集、传输以及处理过程中,数字图像无可避免被噪声所干扰,导致部分细节丢失,从而使得图像质量显著下降[1-2]。为提升噪声污染图像质量,可精确恢复原始图像并尽可能保留边缘及纹理信息的图像去噪相关算法被提出。然而,由于图像去噪模型的欠定性,所得优化问题的求解较为困难,因此,基于图像相关先验信息获得去噪优化问题的有效求解进而实现高效去噪已成为图像去噪领域的研究热点[3-4]。
根据图像先验信息的空域分布,图像降噪算法可分为如下两类:局部先验信息方法以及非局域自相似(NSS)先验信息方法。局部先验信息方法主要包括基于小波收缩方法(WS)[5],全变分方法(TV)[6]和基于退火算法的改进图像去噪方法(PID)[7]。上述算法仅利用图像局部先验信息,忽略非局域图像空域之间相似性,从而使得去噪算法性能有限。非局域图像空域相似性是指:基于给定图像非局域相似块之间线性相关的物理事实,搜索相似于给定区域的图像块,实践表明NSS 已成为图像恢复任务中非常有效的先验信息[8]。由此,基于加权平均相似图像块以提升去噪性能的非局域均值去噪(NLM)方法被提出,然而当图像信噪比较低时,由于相似区域噪声成分较多,从而使得所得去噪图像模糊[9]。基于此,三维块匹配(BM3D)算法被提出,其将多个相似二维图像块重构为三维数据以实现联合去噪从而提升去噪性能,然而因其相似图像块查找及三维数据联合去噪计算复杂度较高,因而限制了此算法的实际应用[10]。……