一種新的混合相似性權重的非局部均值去躁算法

　　針對傳統(tǒng)非局部均值（NLM）濾波在噪聲標準差較大時，加權歐氏距離不能真實反映鄰域塊相似度的問題，提出一種新的混合相似性權重的非局部均值去噪算法。首先，利用平穩(wěn)小波變換的特點對噪聲圖像進行分解，并利用濾波函數(shù)對細節(jié)子帶進行預去噪處理；然后，根據(jù)預去噪圖像計算塊間相似性參考因子，并使用其替換傳統(tǒng)NLM算法中高斯核函數(shù)；最后，為使相似性權重更符合人眼視覺系統(tǒng)（HVS）特點，使用基于圖像結構感知的塊奇異值分解（SVD）方法定義鄰域間相似性度量，與傳統(tǒng)NLM算法相比能更為真實地反映鄰域間相似度。實驗結果表明，混合相似性權重的非局部均值去噪算法較傳統(tǒng)NLM算法在視覺上能更好地保留紋理細節(jié)及邊緣信息，而且結構相似度（ SSIM）指標較傳統(tǒng)NLM算法也有一定提高，在噪聲標準差較大情況下具有有效性和魯棒性。