一种空频域非局部均值图像去噪算法
泛函分析
2013-11-18 v1
摘要
非局部均值 (NLM) 图像去噪算法的效率依赖于从噪声相似的图像块中识别出相似的原始像素。因此，在应用 NLM 后，精细细节和低对比度结构的恢复效果较差。但由于这些结构往往对应于傅里叶域中的冗余结构，在该域中进行 NLM 滤波可以更好地对它们去噪。一种混合的空频方法提高了 NLM 的去噪性能，因为它确保了信息在空间域或频率域中具有足够的冗余度。我们的方法很简单：包括运行两次 NLM 算法（首先在频率域，其次在空间域）。对于精细纹理和孤立点，我们获得了比原始 NLM 更好的视觉重建效果。就峰值信噪比 (PSNR) 而言，改进幅度可超过 1 dB。我们的方法给出了介于原始 NLM 和最先进方法之间的结果，同时具有适中的复杂度并产生较少的视觉伪影。
引用
@article{arxiv.1311.3858,
title = {Un algorithme de d\'ebruitage Non-Local means espace-fr\'equence (A space-frequency Non-Local means image denoising algorithm)},
author = {Simon Postec and Jacques Froment and Béatrice Vedel},
journal= {arXiv preprint arXiv:1311.3858},
year = {2013}
}