NLM改进论文，可供算法工程师参考，Walsh-Hadamard投影。382 宇航学报 第32卷 NL- means模型利用观测图像中其它像素点的窗口内,将算法的计算复杂度降为o(m2·n2t2) 加权和来表示当前点图像像素值的估计,即2-1 即便如此, NL-means去噪算法的计算量还是比较 X()=NL()=∑o(i,Y()(2)大,特别是比较窗口和搜索窗口的尺寸较大时,算法 权值o(i,j代表了像素点i和j的相关性, Buade速度较慢。 提出使用以像素点和j为中心的图像块的欧式距 由式

自然图像通常表现出一定的自相似性, 这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性. 基于图像的这种低秩性和最小方差估计理论, 提出一种有效的迭代去噪方法. 该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题, 并由最小方差估计理论导出低秩矩阵的估计值; 在此基础上, 对图像块的估计值进行加权平均即可重构出去噪后的图像; 针对少量噪声残留问题, 将去噪方法与反向投影方法相结合实现图像的迭代去噪, 进一步抑制图像中残留的噪声. 实验结果表明, 采用文中方法产生的去噪图像不仅具

自然图像通常表现出一定的自相似性, 这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性. 基于图像的这种低秩性和最小方差估计理论, 提出一种有效的迭代去噪方法. 该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题, 并由最小方差估计理论导出低秩矩阵的估计值; 在此基础上, 对图像块的估计值进行加权平均即可重构出去噪后的图像; 针对少量噪声残留问题, 将去噪方法与反向投影方法相结合实现图像的迭代去噪, 进一步抑制图像中残留的噪声. 实验结果表明, 采用文中方法产生的去噪图像不仅具

自然图像通常表现出一定的自相似性, 这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性. 基于图像的这种低秩性和最小方差估计理论, 提出一种有效的迭代去噪方法. 该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题, 并由最小方差估计理论导出低秩矩阵的估计值; 在此基础上, 对图像块的估计值进行加权平均即可重构出去噪后的图像; 针对少量噪声残留问题, 将去噪方法与反向投影方法相结合实现图像的迭代去噪, 进一步抑制图像中残留的噪声. 实验结果表明, 采用文中方法产生的去噪图像不仅具