基于自适应阈值和聚类的图像降噪方法

摘要： 本文提出一种基于自适应阈值与K均值聚类的新型图像去噪方法。该方法采用自适应阈值技术替代块匹配与三维滤波（BM3D）方法中的传统硬阈值处理。该技术能根据噪声量级进行高度自适应调整——具体而言，对高噪声区域施加软阈值处理，对低噪声区域则采用硬阈值处理?；谧允视︺兄档淖允视π杂胛榷ㄐ?，我们实现了最优降噪效果并保持了高空间频率细节（如锐利边缘）。借助K均值聚类识别相关候选块的能力，我们在最终估计阶段采用该聚类算法将去噪图像划分为多个区域并确定其边界。应用K均值聚类可使块匹配仅在参考块所在区域搜索，从而降低匹配失配风险。选择在去噪图像而非含噪图像上应用K均值聚类，主要因为含噪图像存在边缘检测精度缺陷。实验结果表明，新算法在视觉质量、峰值信噪比（PSNR）和结构相似性指数（SSIM）等指标上均持续优于其他参照方法，且图像去噪耗时低于其他对比算法。