%0 Journal Article
%T 基于引导核聚类的非局部均值图像去噪算法<br>Nonlocal Means Image Denoising Algorithm Based on Steering Kernel Clustering
%A 吴一全
%A 李海杰
%A 宋昱
%J 电子科技大学学报
%D 2016
%R 10.3969/j.issn.1001-0548.2016.01.005
%X 为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。<br>
%K 自适应搜索窗
%K 模糊C均值聚类
%K 图像去噪
%K 非局部均值
%K 引导核&lt
%K br&gt
%U http://manu50.magtech.com.cn/dzkjdx/CN/abstract/abstract219.shtml