| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 849395 | 909264 | 2014 | 5 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
2. برآورد نویز بر اساس پچهای بافت ضعیف
3. روش پیشنهادی
شکل 1. مقایسه NLM یک مرحلهای و NLM دو مرحلهای. (الف) تصویر خانه نویزی ؛ (ب) فیلتر شده توسط NLM یک مرحلهای؛ (ج) فیلتر شده توسط NLM دو مرحلهای
شکل 2. فلوچارت الگوریتم فیلترینگ NLM دو مرحلهای پیشنهادی ما
شکل 3. عملکرد فیلترینگ روش NLM دو مرحلهای با پارامترهای هموارسازی مختلف. (الف) عملکرد PSNR برای تصویر با نویز ملایم ؛ (ب) عملکرد PSNR برای تصویر با نویز قوی
شکل 4. عملکرد فیلترینگ روش NLM دو مرحلهای با دور اول ثابت پارامترهای هموارسازی و انحراف استاندارد نویز اضافه شده مختلف. (الف) انحراف استاندارد نویز از 5 تا 25؛ (ب) انحراف استاندارد نویز از 5 تا 45.
4. نتایج تجربی و بحث
جدول 1. مقایسه روش‌های نویزگیری از نظر PSNR و SSIM
شکل 5. مقایسه عملکرد NLM، NLEM، PNLM، ANLM و 2ANLM با تصویر نویزدار لنا ؛ (a) بخشی از تصویر بدون نویز لنا؛ (b) بخشی از تصویر نویزدار؛ (c) فیلتر شده توسط NLM؛ (d) فیلتر شده توسط NLEM؛ (e) فیلتر شده توسط PNLM؛ (f) فیلتر شده توسط ANLM پیشنهادی؛ (g) فیلتر شده توسط 2ANLM پیشنهادی.
شکل 6. فیلترینگ عملکرد ANLM-1، ANLM-2 و 2ANLM از نظر PSNR و SSIM
شکل 7. عملکرد فیلترینگ NLM و روش پیشنهادی برای تصویر نویزی قوی. (a) تصویر نویزی فیلم‌بردار ؛ (b) فیلتر شده توسط ANLM-1 ؛ (c) فیلتر شده توسط ANLM-2؛ (d) فیلتر شده توسط 2ANLM؛ (e) بزرگنمایی جزئی تصویر نویزی؛ (f) بزرگنمایی جزئی ANLM-1؛ (g) بزرگنمایی جزئی ANLM-2؛ (h) بزرگنمایی جزئی 2ANLM.
شکل 8. عملکرد فیلترینگ NLM و روش پیشنهادی برای تصویر نویزی قوی. (a) تصویر نویزی فیلم‌بردار ؛ (b) فیلتر شده توسط ANLM-1 ؛ (c) فیلتر شده توسط ANLM-2؛ (d) فیلتر شده توسط 2ANLM؛ € بزرگنمایی جزئی تصویر نویزی؛ (f) بزرگنمایی جزئی ANLM-1؛ (g) بزرگنمایی جزئی ANLM-2؛ (h) بزرگنمایی جزئی 2ANLM.
5.نتیجه‌گیری
Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.
Journal: Optik - International Journal for Light and Electron Optics - Volume 125, Issue 23, December 2014, Pages 7040–7044