噪声作为图像处理中常见的干扰因素,常伴随在图像的形成、传输以及记录过程中。噪声的存在不仅影响人类视觉感知,而且影响后续图像的处理。因此,针对图像中的噪声,采取有效的方法进行降噪,提高后续图像处理能力是图像去噪领域急需解决的问题。图像去噪的目标在于去除噪声的同时更好地保留图像边缘结构信息。在研究非局部均值去噪算法的基础上,借助图像局部块间的相似性,提出一系列的改进措施。具体的研究工作如下:(1)利用LBP纹理特征改进相似块比较。针对原非局部均值去噪算法中相似块只由灰度向量以及局部块在水平方位平移度量的局限性,提出了基于RHLBP型纹理特征的图像块结构信息描述方式,RHLBP描述子不仅能有效表达图像块在水平方向上的纹理,也能表示经一定角度旋转后的图像块。实验结果表明,基于RHLBP纹理特征的非局部均值去噪算法在去噪的同时也能更好保持图像边缘纹理结构信息,且峰值信噪比提升1.6 dB。(2)利用双边结构张量改进相似块比较。非局部均值去噪算法的优势利用了图像块的相似性比较,而相似性度量好坏直接影响去噪效果。因此,针对原有算法在灰度向量相似性上比较的不足,提出了用双边结构张量的纹理结构描述图像块局部信息的方式。为提升相似度量带来的额外计算开销,提出将矩阵相似性作为局部块相似度量的代替,并从相似权重自适应参数滤波、噪声方差估值上对算法进行去噪优化,最终提升了1.2 dB峰值信噪比。(3)图像去噪实验和评价指标计算。首先,对基于RHLBP纹理特征的非局部均值算法和基于双边结构张量的非局部均值算法分别进行实验,并对实验参数进行设置,对实验结果进行主观分析,结果表明,改进的方法取得了较好的去噪效果。其次,通过一些图像评价指标,包括峰值信噪比和结构相似比,对去噪效果进行客观评价,计算结果表明,改进的方法在各项指标上均有一定程度的提高。最后,综合比较基于RHLBP的结构相似性度量方法和基于双边结构张量的结构相似性度量方法的去噪效果。