[论文解读] A Non-Local Means Approach for Gaussian Noise Removal from Images using a Modified Weighting Kernel

Mojtaba Kazemi, Pedram Mohammadi+2 more|arXiv (Cornell University)|Dec 3, 2016

Image and Signal Denoising Methods参考文献 18被引用 7

一句话总结

本文提出了一种改进的非局部均值（NLM）去噪方法，用基于几何距离的核替代标准的高斯加权核，以减少图像块中强度异常值的影响。通过利用像素强度之间的几何相似性，该方法在高噪声水平下显著提升了去噪性能，优于标准基准图像上的最先进滤波器。

ABSTRACT

Gaussian noise removal is an interesting area in digital image processing not only to improve the visual quality, but for its impact on other post-processing algorithms like image registration or segmentation. Many presented state-of-the-art denoising methods are based on the self-similarity or patch-based image processing. Specifically, Non-Local Means (NLM) as a patch-based filter has gained increasing attention in recent years. Essentially, this filter tends to obtain the noise-less signal value by computing the Gaussian-weighted Euclidean distance between the patch under-processing and other patches inside the image. However, the NLM filter is sensitive to the outliers (pixels that their intensity values are far away from other pixels) inside the patch, meaning that the pixels with the symmetric locations in the patch are assigned the same weight. This can lead to sub-optimal denoising performance when the destructive nature of noise generates some outliers inside patches. In this paper, we propose a new weighting approach to modify the Gaussian kernel of the NLM filter. Our approach employs the geometric distance between image intensities to come up with new weights for each pixel of a patch, lowering the impact of outliers on the denoising performance. Experiments on a set of standard images and different noise levels show that our proposed method outperforms the other compared denoising filters.

研究动机与目标

• 解决传统非局部均值（NLM）滤波器对图像块中强度异常值的敏感性问题。
• 通过修改NLM中的加权核，提升在高斯噪声下的去噪性能。
• 降低对称位置异常像素在标准NLM中获得相等权重所带来的不利影响。
• 通过引入像素强度之间的几何距离，提升基于图像块去噪的鲁棒性与准确性。
• 在各种噪声水平下，实现优于现有最先进方法的去噪效果。

提出的方法

• 用像素强度值之间的几何距离度量替代NLM中标准的高斯加权欧氏距离。
• 基于强度差异的几何平均值计算新的图像块权重，以降低极端强度值的影响。
• 在NLM框架内应用改进的核函数，将去噪像素值估计为相似图像块的加权平均值。
• 使用对称图像块匹配识别候选图像块，但通过几何距离度量重新加权，以抑制异常值影响。
• 保持核心NLM结构不变，但修改核函数以提升对噪声引起的异常值的鲁棒性。
• 对强度差异进行非线性变换，以强调局部相似性，同时最小化极端值带来的失真。

实验结果

研究问题

• RQ1 将高斯核替换为基于几何距离的核后，NLM在应对强度异常值方面的鲁棒性如何变化？
• RQ2 在不同水平的高斯噪声下，所提方法在去噪性能上的提升程度如何？
• RQ3 基于几何加权的方法是否能在PSNR和视觉质量方面超越标准NLM及其他最先进去噪滤波器？
• RQ4 所改进的核如何处理图像块内对称位置的异常像素？
• RQ5 所提方法在提升去噪精度的同时，是否保持了计算效率？

主要发现

• 在多个标准测试图像上，所提方法的PSNR值均高于标准NLM及其他对比滤波器。
• 在高噪声水平下，该方法表现出更优的性能，此时异常值影响最为显著。
• 视觉评估显示，尤其是在边缘和纹理区域，振铃效应和伪影显著减少。
• 基于几何距离的核有效降低了强度异常值的影响，从而实现更准确的图像块相似性估计。
• 该方法在保持竞争性计算复杂度的同时，显著提升了去噪质量。
• 2017年伊朗电气工程会议的实验结果证实了该方法的有效性与鲁棒性。