对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

非局部均值滤波(Non-Local Means，NLM)是一种有效的图像去噪算法．但它仅利用了图像的表面特征而忽略了图像的结构信息，其相似度量标准泛化能力差，相似集合的准确性低．笔者提出一种基于结构相似度(Structure Similarity，SSIM)全参考模型的非局部均值图像去噪方法．由于SSIM能够更好的描述图像块的全局特征和结构特征，基于此模型的相似度量具有较强的泛化能力．实验结果证明，此方法对自然图像的去噪效果优于传统的NLM算法．

针对序列图像超分辨率重建非局部均值（non-local means，NLM）算法重建结果图像边缘区域过平滑的问题，提出了一种局部参数自适应改进方法。将整幅图像划分为图像子块，然后根据图像子块平均像素信息计算出其对应的滤波参数，这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明，与经典NLM重构算法相比，改进算法重建出的结果图像的轮廓边缘更清晰，字符辨识度更高；在算法实现方面，图像重构程序在CPU/GPU平台上实现，使用GPU并行化加速的程序比单CPU运算的程序，加速比最高可达

提出了一种基于非局部均值(NLM)滤波的相干激光雷达距离像去噪方法，结合滤波后的强度像和原始距离像、背景抑制(B-S)后的中值滤波和NLM滤波等图像融合方法，实现B-S和距离反常抑制。对不同载噪比的相干激光雷达多目标仿真图像进行了去噪处理。比较了Lee滤波等方法处理结果。实验结果表明，采用该方法，能够满足距离像背景噪声抑制、目标上距离值正常和边缘保持三方面要求。

通过使用非局部均值滤波可以实现对自然图像的去噪，效果较好 通过使用非局部均值滤波可以实现对自然图像的去噪，效果较好

面向脑血管分割的改进型非局部均值滤波算法研究.docx

文件中包含非局部均值去噪算法，可以直接运行，文件采用matlab语言所写。

非局部均值滤波步骤 1. 指定邻域窗口半径d，搜索窗口半径D，高斯函数平滑参数h。 2. 扩展图像边界，保证邻域窗口不越界。 3. 在扩展图像中取邻域窗口W1。 4. 限制搜索窗口的边界，保证可移动的邻域窗口W2不越界。 5. 邻域窗口W2在搜索窗口内滑动，当W2与W1重合时跳过。 6. 在W2滑动过程中使用下述公式计算权值： 其中V(x)和V(y)分别是以x,y为中心的邻域矩阵。 邻域间的距离 与归一化系数Z(x)可用下式计算： 7. 当W1中心像素值遍历到搜索窗口最后一个像素点处时，计算移动的邻域窗口W2内像素的加权和。 8. 将步骤7中的加权和除以Z(x)进行归一化，并替换邻域窗口W1的中心像素值。 9. 移动邻域窗口W1，重复步骤4，直至邻域窗口W1不能再移动。 此外，该程序还要求实现以下功能 1. 显示原图像、移除像素后的图像和恢复出的图像。 2. 求该去噪算法的MSE值。

搜索窗口大小的选择很关键非局部均值 (NLM) 算法中的问题。 小号的选择平滑或均质像素的搜索窗口大小区域限制了去噪效果，因为只有一个少量的相关像素，而选择大的位于非平滑或过渡中的像素的搜索窗口大小由于更多的贡献，区域降低了去噪质量以及更多不相关的像素。 所提出的算法选择每个像素的最佳搜索窗口大小，基于灰度级差异体现了地区的特点。 在标准图像上的实验结果表明，所提出的算法在性能上优于传统的NLM算法PSNR 和视觉质量。 它还保留了图像细节例如在较高噪声级别的图像中的边缘和纹理。

gn算法matlab代码自述文件 本自述文件记录了运行测试的必要步骤。 这个仓库是做什么用的？ 结合3D非局部均值和LBP-TOP（三个正交平面上的局部二进制模式）的新降噪方法 代码版本：0.01-alpha 依存关系 Python 2.7 OpenCV（适用于Python） NumPy 科学 scikit图像 bob.ip.base（来自库）。 另请参阅 实验内容 文件runNonLocalMeans使用用户参数运行筛选过程： -in或--input ：输入带有输入图像的PATH（带有噪声） -out或--output ：输入PATH以保存输出图像（去噪） -ori或--originals ：输入带有原始图像的PATH（无噪声） -H或--filterStrength ：输入参数H（过滤强度） -p或--patch ：输入补丁的大小（居中体素的邻域大小） -w或--window ：输入搜索窗口的大小（居中像素的窗口大小） -msb或--MSBValue ：最高有效位的值 -seq或--sequence ：测试的序列名称（例如seq1） -f或--folder ：输入带有数据库的PAT