块匹配算法
来源:互联网 发布:mac ftp 看不到文件夹 编辑:程序博客网 时间:2024/06/05 17:17
1. 介绍
块匹配是图像去噪,运动估计中常用的一种方法。通过将查询块与相邻的图像块进行匹配,从这些相邻块中找出距离查询块距离最近的 K 个块。所谓的相邻也并不是绝对的位置上的相邻,也由此可以引出局部搜索(local)和全局搜索(non-local)。
如上图所示:
+
+
+
如果
2. 基于像素的 Non-local Means
在 Non-local Means 图像去噪中,会使用近似块来估计查询块,以实现去噪的目的,如下式所示:
其中权重的计算如下所示:
其中
事实上并不是所有的近邻块都与查询块相似,因此可以只考虑几个权重比较大的块来进行估计,也就是对权重进行排序,选择权重大的作为相似块。这样不仅可以提高去噪效果还可以减少计算量。
另外,Mahmoudi 在文章 《Fast Non Local Means Denoising for 3D MR Images》中也提出了一种新的方法(根据
为了避免重复计算,可以提前计算均值和方差。
3. 基于图像块的 Non-local Means
在第 2 部分中所述的都是基于单个像素(每个块的中心位置)的处理,因此导致计算量很大。但实际上我们计算的是图像块的相似度,因此可以扩展为图像块的处理。如下图所示:
则块匹配的计算变为:
优化之后的权重估计变为:
如下是文献《An Optimized Blockwise NL-means Denoising Filter for 3D Magnetic Resonance Images》中的实验结果:
其中:
+ NL-means,原始的non local means方法
+ Blockwise NL-means,每次重构一个子块,而不是单个像素
+ Optimized NL-means,针对NL-means,权重的选择进行优化,直选几个最大的权重
+ Optimized Blockwise NL-means,针对Optimized NL-means,权重选择进行了优化
从上可以看出每次对单个像素处理比每次对一个块处理的效果好,但是计算时间长;而对权重参数进行优化后效果明显改善;另外,优化过的方法中选用了多线程的方法。
4. 参考
- Fast image and video denoising via non-local means of similar neighborhoods.
- Fast Non Local Means Denoising for 3D MR Images
- An Optimized Blockwise NL-means Denoising Filter for 3D Magnetic Resonance Images
- 3DWavelet SubbandsMixing for Image Denoising
- 块匹配算法
- 块匹配算法
- 块匹配算法
- 块匹配算法-全搜索
- 块匹配算法--全搜索
- 运动估计——块匹配算法
- 运动估计——块匹配算法
- 块匹配算法GPU并行化
- 块匹配算法及其matalb代码
- patch matching 图像块匹配算法
- 块匹配
- 四种子块匹配数字稳像算法比较
- 块匹配模型
- 视频处理算法分析2——基于块匹配的运动估计算法分析
- 快速块匹配的非局部均值去噪算法_Fast Block Matching Non local means
- 块匹配跟踪(转)
- 块匹配模型的还原
- Nginx location块匹配顺序
- ReentrantReadWriteLock读写锁的使用
- SSM( Spring、SpringMVC、MyBatis )整合、SpringMVC参数绑定
- select_resultMap_关联查询_association定义关联对象封装规则,关联查询_分步查询&延迟加载
- Best Time to Buy and Sell Stock II
- Java for Web学习笔记(四九):Log(1)log很重要
- 块匹配算法
- hibernate 配置数据库方言
- 二叉树的所有路径
- C# Lambda表达式
- Linux配置启动项,自启动服务
- Android项目规范
- Leet Code OJ 1. Two Sum [Difficulty: Easy]
- 使用360镜像解决WordPress访问速度慢的问题
- TensorFlow学习笔记--1.0 版本的更改