浙江工业大学信息工程学院光纤通信与信息工程研究所, 浙江 杭州 310023
为从强噪声图像中重构出原图像并减小误差，提出了一种基于梯度重权非局部平均的强噪声图像去噪算法。根据稀疏和冗余表示，基于K-SVD字典学习去噪算法可自适应从已知带噪图像中训练字典，但是字典固有的结构限制，导致强噪声图像去噪效果差。提出了基于字典学习的梯度重权非局部平均算法，该算法对图像结构赋予更紧约束，可以改善去噪性能。利用全变分法求解图像结构的梯度，给予图像边缘信息更高的权重，结合图像结构信息的相似性和稀疏性先验，求解优化后的逆问题。与传统字典去噪相比，所提出的算法对强噪声图像的去噪效果更好，并保留了细节轮廓信息，具备较好的峰值信噪比和结构相似性。
图像处理 图像去噪 字典学习 非局部平均 梯度重权法 激光与光电子学进展
2016, 53(11): 111002
哈尔滨工业大学可调谐激光技术国家级重点实验室， 黑龙江 哈尔滨 150081
激光成像雷达能获得角-角-距离-强度像，易于目标识别，从而备受青睐。图像处理是激光成像雷达的关键技术之一，其中图像噪声抑制对图像质量的提高起着事半功倍的作用。利用新近发展起来的非局部均值算法对相干激光雷达仿真及真实强度像进行了去噪研究。分别采用非局部均值算法、同态非局部均值算法对不同载噪比下的单目标仿真强度像进行了去噪处理，同时对比了Lee滤波和均值滤波处理效果。最后用真实的相干激光雷达强度像进行了验证。实验结果表明，采用同态两级非局域均值算法在满足背景噪声抑制、目标图像均匀性和边缘保持三方面要求上性能最佳。
图像处理 去噪 非局部均值算法 相干激光雷达 强度像 光学学报
2011, 31(s1): s100409
