matlab0070 基于非局部协同滤波的图像去噪

摘要

       对于图像处理而言，都会设计到图像采样的噪音分析，合理的、有效的去噪的方法对于图像的后期处理有着重要的作用，较为常见的去噪算法有中值滤波、巴特沃斯通滤波、均值滤波等等算法，本文采用NL算法对比于传统的算法进行图像的去噪研究。

局部平滑方法与频域滤波器注重的是去除噪声，保持图像基本的几何架构，但是无法很好地保留这些精细的结构、细节以及纹理。在自然图像，很多精细的结构与噪声一样是震荡的，相反地，噪声也有低频与平滑分量。因此，应当把注意力集中在信号或图像数据本身的有用信息上，而不是依赖从基本模型。

关键词：图像处理；去噪；局部平滑；NL算法

目录

第一章 绪论    2
1.1引言    2
1.2图像处理主要研究内容    2
1.3图像的傅里叶变换    3
1.4小结    3
第二章    3
2.1图像采样    3
2.2图像的数字化处理    4
2.3颜色空间    4
2.4 图像离散余弦变换    5
2.5小结    6
第三章    6
3.1图像增强    6
3.2彩色图像的直方图增强    7
3.3中值滤波    8
3.4频域增强    9
3.5巴特沃斯高通滤波器    9
3.6小结    9
第四章    10
4.1图像质量客观评价    10
4.2图像质量主观性评价准则    10
4.3Non-Local means算法    11
4.3.1算法描述    11
4.3.2NL算法噪声    12
4.4小结    13
第五章总结    13
参考文献    13
致 谢    14

本课题的研究目标和内容:

本文主要研究图像在噪声情况下，对于图像的滤燥声情况以及保留图像原始信息的滤燥算法研究，较为常见的去噪算法有中值滤波、巴特沃斯通滤波、均值滤波等等算法，本文采用NL算法对比于传统的算法进行图像的去噪研究。

本文采用NL算法，旨在说明局部平滑方法与频域滤波器注重的是去除噪声，保持图像基本的几何架构，但是无法很好地保留这些精细的结构、细节以及纹理。在自然图像，很多精细的结构与噪声一样是震荡的，相反地，噪声也有低频与平滑分量。因此，应当把注意力集中在信号或图像数据本身的有用信息上，而不是依赖从基本模型。因此本文针对滤燥算法对比，保留较好的图像纹理信息。