| 主权项 |
基于非局部理论的图像去噪方法，包括如下步骤：步骤1、输入含高斯白噪声图像u；步骤2、设置算法中的参数：包括第一部分中的基本非局部均值算法(NLM)中的相关参数（搜索窗口大小、邻域窗口大小、滤波参数h）以及第二部分的迭代参数ξ的选取；步骤3、初步滤波：使用步骤2中选择的参数对输入图像u进行非局部均值滤波，得到的输出图像为丢失了部分细节的图像u1，作为下一步的基础；步骤4、计算差图像：uc1=u‑u1；步骤5、调用梯度算子（Candy算子、Roberts算子及Prewitt算子均可），检测出uc1的边缘ub1，并把它的位置当作所要提取的边缘细节的位置信息，即检测出的边缘位置，也就是细节丢失的位置；步骤6、利用步骤5中得到的细节的位置信息将u中丢失的细节ux1提取出来,包括细节位置信息所在像素点及其邻域的像素值，其他位置的像素值置零；步骤7、将已经提取出的细节按比例叠加回图像u1：将细节ux1的每个像素点赋一个权值w(i,j)，0≤w(i,j)≤1，(i,j为该像素点的横纵坐标)，像素值为零的像素点权值为零，即w(i,j)=0；权值赋值原则为中心像素权值大于边缘像素权值，得到图像u2=w(i,j)ux1+(1‑w(i,j))u1；步骤8、依据步骤2中的迭代参数ξ，ξ为一常数，然后利用步骤5中所调用的梯度算子所检测出的边缘图像矩阵ub1，计算矩阵ub1内所有像素的和θ，如θ≤ξ，则迭代停止，如θ≥ξ，则重复4～7步骤；步骤9、迭代完成后，得到输出图像un。 |
