基于随机采样的快速非局域均值图像去噪算法

在图像去噪的过程中,针对非局域均值滤波(NLM,non-local mean)去噪方法中存在的运算效率低下问题,提出了一种改进的快速去噪算法.首先,基于蒙特卡罗重要性采样思想,采用Metropolis方法在搜索窗口中对图像的像素点进行随机采样,取代NLM算法在搜索窗口中逐一像素遍历进行加权平均的方法,从而实现了加速.其次,算法在实现加速的过程中一般会影响去噪效果,为了仍保持较好的去噪效果,提出一种改进的权重函数.最后,进行了对比实验,对实验结果从峰值信噪比、运行时间及与原无噪声图像的相似度三个方面进行分析,结果表明,本方法在保持较高信噪比的基础上,处理时间只有标准NLM算法的1/3左右.