留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于引导核聚类的非局部均值图像去噪算法

吴一全,  李海杰,  宋昱

downloadPDF
文章导航 > 电子科技大学学报  > 2016 >  45(1): 36-42
吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法[J]. 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
引用本文: 吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法[J]. 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
shu
WU Yi-quan, LI Hai-jie, SONG Yu. Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
Citation: WU Yi-quan, LI Hai-jie, SONG Yu. Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
shu

基于引导核聚类的非局部均值图像去噪算法

doi: 10.3969/j.issn.1001-0548.2016.01.005
详细信息

  • 中图分类号: TN911.73

Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering

  • 摘要: 为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。
  • [1] BUADES A, COLL B, MOREL J M. A non-local algorithm for image denoising[C]//Proceedings of International Conference on Computer Society Conference Vision and Pattern Recognition. San Diego: IEEE Computer Society Press, 2005.
    [2] BUADES A, COLL B, MOREL J M. Denoising image sequences does not require motion estimation[C]//Proceedings of International Conference on Advanced Video and Signal Based Surveillance. Como, Italy: IEEE Computer Society Press, 2005.
    [3] JI Ze-xuan, CHEN Qiang, SUN Quan-sen, et al. A moment-based nonlocal-means algorithm for image denoising[J]. Information Processing Letters, 2009, 109(23): 1238-1244.
    [4] GREWENIG S, ZIMMER S, WEICKERT J. Rotationally invariant similarity measures for nonlocal image denoising[J]. Journal of Visual Communication and Image Representation, 2011, 22(2): 117-130.
    [5] 张宇, 王向阳. 频域小波矩的非局部均值图像去噪[J]. 小 型微型计算机系统, 2012, 33(9): 2079-2082. ZHANG Yu, WANG Xiang-yang. Nonlocal-means algorithm for image denosising based on wavelet moment in domain[J]. Journal of Chinese Computer Systems, 2012, 33(9): 2097-2082.
    [6] 张小华, 陈佳伟, 孟红云, 等. 基于方向增强邻域窗和非 下采样Shearlet描述子的非局部均值图像去噪[J]. 电子与 信息学报, 2011, 33(11): 2634-2639. ZHANG Xiao-hua, CHEN Jia-wei, MENG Hong-yun, et al. A non-local means filter image denoising with directional enhancement neighborhood windows and non-subsampled shearlet feature descriptors[J]. Journal of Electronics & Information Technology, 2011, 33(11): 2634-2639.
    [7] MALEKI A, NARAYAN M, BARANIUK R G. Anisotropic nonlocal means denoising[J]. Applied and Computational Harmonic Analysis, 2013, 35(3): 452-482.
    [8] DELEDALLE C A, DUVAL V, SALMON J. Non-local methods with shape-adaptive patches[J]. Journal of Mathematical Imaging and Vision, 2012, 43(2): 103-120.
    [9] TASDIZEN T. Principal neighborhood dictionaries for nonlocal means image denoising[J]. IEEE Transactions on Image Processing, 2009, 18(12): 2649-2660.
    [10] 张丽果. 快速非局部均值滤波图像去噪[J]. 信号处理, 2013, 29(8): 1043-1049. ZHANG Li-guo. Fast non-local mean for image denoising[J]. Journal of Signal Processing, 2013, 29(8): 1043-1049.
    [11] 郑永恒, 程建, 曹宗杰. 改进非局部均值滤波的SAR图 像降噪[J]. 中国图象图形学报, 2012, 17(7): 886-891. ZHENG Yong-heng, CHENG Jian, CAO Zong-jian. SAR image denoising via improved non-local means filter[J]. Journal of Image and Graphics, 2012, 17(7): 886-891.
    [12] 胡金蓉, 蒲亦非, 张意, 等. DCT子空间的非局部均值去 噪算法[J]. 计算机辅助设计与图形学学报, 2012, 24(1): 89-96 HU Jin-rong, PU Yi-fei, ZHANG Yi, et al. Nonlocal means denoising algorithm based on DCT subspace[J]. Journal of Computer-Aided Design & Computer Graphics, 2012, 24(1): 89-96.
    [13] COUPÉ P, YGER P, BARILLOT C. Fast non local means denoising for 3D MR images[M]. Copenhagen Denmark: Springer, 2006: 33-40.
    [14] MAHMOUDI M, SAPIRO G. Fast image and video denoising via nonlocal means of similar neighborhoods[J]. Signal Processing Letters, 2005, 12(12): 839-842.
    [15] TAKEDA H, FARSIU S, MILANFAR P. Kernel regression for image processing and reconstruction[J]. IEEE Transactions on Image Processing, 2007, 16(2): 349-366.
    [16] CHATTERJEE P, MILANFAR P. Clustering-based denoising with locally learned dictionaries[J]. IEEE Transactions on Image Processing, 2009, 18(7): 1438-1451.
    [17] WANG Zhou, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13(4): 600-612.
  • [1] 闫丽丽, 颜金歌, 张仕斌.  基于自适应网络的量子模糊推理系统 . 电子科技大学学报, 2023, 52(4): 482-488. doi: 10.12178/1001-0548.2022220
    [2] 郝琨, 韩冰, 李志圣, 王传启.  基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法 . 电子科技大学学报, 2023, 52(5): 728-738. doi: 10.12178/1001-0548.2022217
    [3] 王兆滨, 马一鲲, 崔子婧.  基于引导滤波与稀疏表示的医学图像融合 . 电子科技大学学报, 2022, 51(2): 264-273. doi: 10.12178/1001-0548.2021165
    [4] 邢佳亮, 郭强, 刘建国.  融合局部聚类特征的银行间网络重构研究 . 电子科技大学学报, 2021, 50(5): 782-787. doi: 10.12178/1001-0548.2021085
    [5] 朱赟, 陈明真, 陈莹, 喻高航, 威力.  稀疏角度CT图像重建的一类自适应临近点算法 . 电子科技大学学报, 2019, 48(2): 228-232. doi: 10.3969/j.issn.1001-0548.2019.02.011
    [6] 李海林, 魏苗.  自适应属性加权近邻传播聚类算法 . 电子科技大学学报, 2018, 47(2): 247-255. doi: 10.3969/j.issn.1001-0548.2018.02.014
    [7] 刘玉红, 张艳山, 李永杰, 杨开富, 颜红梅.  基于视觉感受野特性的自适应图像去噪算法 . 电子科技大学学报, 2017, 46(6): 934-941. doi: 10.3969/j.issn.1001-0548.2017.06.024
    [8] 何坤, 郑秀清, 琚生根, 张永来.  改进全变分的图像去噪 . 电子科技大学学报, 2016, 45(3): 463-468. doi: 10.3969/j.issn.1001-0548.2016.02.026
    [9] 罗学刚, 吕俊瑞, 王华军, 杨强.  选择性计算的快速非局部均值图像去噪 . 电子科技大学学报, 2015, 44(1): 84-90. doi: 10.3969/j.issn.1001-0548.2015.01.014
    [10] 李琳, 伍少梅, 唐宁九.  基于中心加权的局部核向量机算法 . 电子科技大学学报, 2014, 43(4): 612-617. doi: 10.3969/j.issn.1001-0548.2014.04.025
    [11] 颜学颖, 焦李成.  SURE准则的非局部SAR图像相干斑抑制 . 电子科技大学学报, 2014, 43(1): 42-48. doi: 10.3969/j.issn.1001-0548.2014.01.007
    [12] 何坤, 琚生根, 林涛, 张卫华.  TV数值计算的图像去噪 . 电子科技大学学报, 2013, 42(3): 459-463. doi: 10.3969/j.issn.1001-0548.2013.03.027
    [13] 马义德, 袁金霞, 张红娟.  自适应彩色图像SCM去噪 . 电子科技大学学报, 2012, 41(5): 751-758.
    [14] 王瑜, 张慧妍.  基于四阶PDEs和对比度增强的荧光显微图像去噪 . 电子科技大学学报, 2012, 41(4): 564-567.
    [15] 胡金蓉, 蒲亦非, 周激流.  分数阶积分的图像去噪算法 . 电子科技大学学报, 2012, 41(5): 706-711. doi: 10.3969/j.issn.1001-0548.2012.05.013
    [16] 郑秀清, 何坤, 周激流.  图像局部方向均值边缘检测算法 . 电子科技大学学报, 2011, 40(5): 759-764. doi: 10.3969/j.issn.1001-0548.2011.05.024
    [17] 张卫华, 李睿, 何坤, 周激流.  3DDCT变换下的图像去噪与增强方法 . 电子科技大学学报, 2011, 40(5): 742-746. doi: 10.3969/j.issn.1001-0548.2011.05.021
    [18] 曾翎, 王美玲, 陈华富.  遗传模糊C-均值聚类算法应用于MRI分割 . 电子科技大学学报, 2008, 37(4): 627-629.
    [19] 牛强, 夏士雄, 周勇, 张磊.  改进的模糊C-均值聚类方法 . 电子科技大学学报, 2007, 36(6): 1257-1259,1272.
    [20] 尹忠科, 解梅, 王建英.  基于稀疏分解的图像去噪 . 电子科技大学学报, 2006, 35(6): 876-878.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  5393
  • HTML全文浏览量:  164
  • PDF下载量:  200
  • 被引次数: 0
出版历程
  • 刊出日期:  2016-02-15

基于引导核聚类的非局部均值图像去噪算法

doi: 10.3969/j.issn.1001-0548.2016.01.005
  • 刊出日期: 2016-02-15

  • 中图分类号: TN911.73

摘要: 为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。

English Abstract

吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法[J]. 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
引用本文: 吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法[J]. 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
shu
WU Yi-quan, LI Hai-jie, SONG Yu. Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
Citation: WU Yi-quan, LI Hai-jie, SONG Yu. Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
shu

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    期刊在线

    编辑办公

    友情链接

    版权所有 © 《电子科技大学学报》编辑部

    地址: 成都市建设北路二段四号电子科技大学主楼中350室 电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

    本系统由 北京仁和汇智信息技术有限公司 开发