经典去噪算法-BM3D

资 源 简 介

应用背景 2005年CVPR首次提出了non-local algorithm for image denoising，2007TIP在此基础上做改进，提出了经典的BM3D算法，成为图像去噪的经典算法，效果很好！ 关键技术 非局部平均(Non-Local Means, NLM)去噪算法，通过对这些自相似结构块做加权平均来估计参考块的中心点，从而降低噪声(零均值的高斯白噪声)，尽管NLM取得了很好的去噪效果，但对原图像的结构信息保护仍不够。2007TIP根据图像块之间的相似性提出了3维块匹配(Block Me

详 情 说 明

应用背景

2005年CVPR首次提出了non-local algorithm for image denoising，2007TIP在此基础上做改进，提出了经典的BM3D算法，成为图像去噪的经典算法，效果很好！

关键技术

非局部平均(Non-Local Means, NLM)去噪算法，通过对这些自相似结构块做加权平均来估计参考块的中心点，从而降低噪声(零均值的高斯白噪声)，尽管NLM取得了很好的去噪效果，但对原图像的结构信息保护仍不够。2007TIP根据图像块之间的相似性提出了3维块匹配(Block Method of 3-Dimension, BM3D)算法。该方法不仅有较高的信噪比，而且视觉效果也很好，但是时间复杂度相对较高。

此外，近年来随着深度学习的快速发展，基于深度学习的图像去噪算法也取得了显著的进展。深度学习模型能够从大量的图像数据中学习到噪声的分布规律，从而更准确地去除图像中的噪声。这些深度学习算法不仅能够提供更好的去噪效果，而且具有更低的时间复杂度，成为当前研究的热点之一。

总结来说，图像去噪是一个重要且具有挑战性的问题，目前已经有多种经典算法和基于深度学习的算法被提出。这些算法在不同的应用场景下都能够取得很好的去噪效果，但仍然有很多问题有待解决。未来的研究方向包括进一步提高算法的去噪效果，减少时间复杂度，并探索更多的应用场景。