一種新的混合相似性權(quán)重的非局部均值去躁算法

　　針對(duì)傳統(tǒng)非局部均值（NLM）濾波在噪聲標(biāo)準(zhǔn)差較大時(shí)，加權(quán)歐氏距離不能真實(shí)反映鄰域塊相似度的問題，提出一種新的混合相似性權(quán)重的非局部均值去噪算法。首先，利用平穩(wěn)小波變換的特點(diǎn)對(duì)噪聲圖像進(jìn)行分解，并利用濾波函數(shù)對(duì)細(xì)節(jié)子帶進(jìn)行預(yù)去噪處理；然后，根據(jù)預(yù)去噪圖像計(jì)算塊間相似性參考因子，并使用其替換傳統(tǒng)NLM算法中高斯核函數(shù)；最后，為使相似性權(quán)重更符合人眼視覺系統(tǒng)（HVS）特點(diǎn)，使用基于圖像結(jié)構(gòu)感知的塊奇異值分解（SVD）方法定義鄰域間相似性度量，與傳統(tǒng)NLM算法相比能更為真實(shí)地反映鄰域間相似度。實(shí)驗(yàn)結(jié)果表明，混合相似性權(quán)重的非局部均值去噪算法較傳統(tǒng)NLM算法在視覺上能更好地保留紋理細(xì)節(jié)及邊緣信息，而且結(jié)構(gòu)相似度（ SSIM）指標(biāo)較傳統(tǒng)NLM算法也有一定提高，在噪聲標(biāo)準(zhǔn)差較大情況下具有有效性和魯棒性。