4.4 实验结果 12

4.5 结果分析 13

5 余弦积分法加速 NLM 15

5.1 背景信息 15

5.2 CII_NLM 算法描述 15

5.3 算法实现 18

5.4 实验结果 19

5.5 结果分析 20

6 实验与分析 22

6.1 平台与界面 22

6.2 峰值信噪比 22

6.3 对比实验 23

6.4 参数实验 27

6.5 小结 28

结 论 29

致 谢 30

参 考 文 献 31

1 绪 论

本文主要研究的领域是图像处理中图像恢复的一个分支——图像去噪。需要 解决的问题是加速当前较为先进的非局部均值滤波，希望可以在保持非局部均值 滤波算法的良好效果的前提下，提高非局部均值滤波的效率。主要利用的方法是 将原有权重函数分解为余弦函数的积分和，再利用 SI 算法快速计算积分和，借 此提高原始非局部均值滤波算法的效率。

为了解决这一问题需要首先学习关于图像处理的基础知识，例如什么是图像， 计算机中图像数据的存储方式，图像处理所使用的工具等等。然后，进一步需要 掌握什么是图像噪声，图像噪声产生的原因，噪声对图像的影响，图像噪声的分 类以及各自的特征。之后，可以开始了解当先比较流行的图像去噪方法，各自的 基本原理和特点。在了解这些基础知识后，就能将焦点聚集到特定的一种方法上， 也就是专门针对本文所要研究的非局部均值滤波进行深入学习。

在这个课题中，非局部均值滤波的研究也将分为两个部分，第一是学习标准 非局部均值滤波算法，实现其算法思路。第二是引入余弦积分思想的改进该算法， 首先将其实现，然后将其与标准非局部均值滤波进行对比，分析结果。

本论文所使用的研究手段是对比实验，比较原方法和新方法处理同样大小， 相同噪声情况下时各自所花费的时间，以及去噪效果。效率评判方法直接以各自 程序的运行时间为准。效果的评判方法为计算各自算法的信噪比峰值，一般信噪 比越大，去噪效果越理想。论文网

作为整篇论文的研究成果，新的算法可以保持与原非局部均值滤波几乎相同 的去噪效果，并能在速度上加快数十倍。就此研究成果分析特点，指出不足，提 出新的研究方向和改进方向。

全文的结构安排如下： 首先，介绍图像去噪的背景知识以及现状； 然后，简要介绍几种常用图像去噪算法以及各自的特点； 之后，说明标准非局部均值滤波算法的算法思想和基本框架；