[论文解读] NAMF: A Non-local Adaptive Mean Filter for Salt-and-Pepper Noise Removal

Houwang Zhang, Zhu, Yuan+1 more|arXiv (Cornell University)|Oct 17, 2019

Image and Signal Denoising Methods参考文献 21被引用 4

一句话总结

本文提出NAMF，一种用于去除椒盐（SAP）噪声的非局部自适应均值滤波器，通过自适应窗口检测基于灰度比例的噪声像素，并用邻域均值替换，随后应用专为SAP噪声设计的非局部均值滤波器以增强复原效果。在90%噪声水平下，NAMF实现了高达41.31 dB的PSNR和0.9932的SSIM，优于当前最先进的方法，在细节保持和图像质量方面表现更优。

ABSTRACT

In this paper, a novel algorithm called a non-local adaptive mean filter (NAMF) for removing salt-and-pepper (SAP) noise from corrupted images is presented. We employ an efficient window detector with adaptive size to detect the noise, the noisy pixel will be replaced by the combination of its neighboring pixels, and finally we use a SAP noise based non-local mean filter to reconstruct the intensity values of noisy pixels. Extensive experimental results demonstrate that NAMF can obtain better performance in terms of quality for restoring images at all levels of SAP noise.

研究动机与目标

• 为解决现有SAP噪声去除方法在高噪声强度下图像细节退化与锯齿边界问题。
• 通过在检测阶段更准确地区分噪声像素与纹理像素，提升复原质量。
• 利用专为SAP噪声特性设计的非局部均值滤波器，增强图像重建效果。
• 在所有噪声水平下保持高处理效率的同时，实现卓越的去噪性能。

提出的方法

• 自适应窗口检测器通过检查像素灰度值是否匹配图像全局最小/最大值，识别潜在噪声像素。
• 基于比例的阈值方法通过评估自适应窗口内相同值像素的比例，确认噪声。
• 将受影响的噪声像素替换为其空间邻近像素的均值强度。
• 提出一种新型SAP噪声感知的非局部均值滤波器，通过利用远距离图像块间的相似性，进一步优化去噪图像。
• 该方法使用41×41的相似性窗口和5×5的搜索窗口，参数通过经验拟合确定。
• 经实验验证，噪声确认阈值设定为T=0.8。

实验结果

研究问题

• RQ1 基于比例的自适应窗口方法是否能通过减少纹理区域的误报，提升噪声检测的准确性？
• RQ2 将专为SAP噪声设计的非局部均值滤波器与局部滤波结合，是否能显著提升图像复原质量？
• RQ3 在高SAP噪声水平（如90%）下，NAMF与现有方法相比，在保留细粒度细节和结构信息方面表现如何？
• RQ4 所提出的NAMF框架中，去噪性能与计算效率之间存在何种权衡？

主要发现

• 在90% SAP噪声的'Lena'图像上，NAMF实现了41.3133 dB的PSNR和0.9932的SSIM，显著优于所有对比方法。
• 在10%噪声下，NAMF的PSNR为15.4199 dB；在90%噪声下，PSNR仍保持在27.5748 dB，表明其在各种噪声水平下均具有鲁棒性。
• 平均PSNR与SSIM曲线显示，NAMF始终排名第一，且当噪声强度超过30%后，与其他方法的性能差距持续扩大。
• NAMF的运行时间与当前最先进的方法相当，处于中游水平，但在高噪声水平下优于NAFSMF，且在速度上与DAMF持平。
• 视觉评估表明，NAMF在高噪声密度下对边缘和纹理的保持优于AMF、AWMF、BPDF等方法。
• 即使超过90%的像素被破坏，该方法仍能有效避免复原图像中的模糊与锯齿伪影。