图像去噪是图像处理中的一个重要问题，能够影响到后续图像处理结果，并最终决定图像视觉效果。另外，在对图像进行噪声去除的同时，还需要尽可能保存图像细节信息，对此光电所五室提出一种保持图像边缘和纹理的非局部均值滤波改进算法。
该方法在对噪声像素点进行估计时，采用了边缘和纹理信息替代原始的距离信息，来确定计算中参考像素点的权重，而边缘和纹理的权重分别由方向梯度和方差系数来决定。在选取含噪图像中待处理点（即基准点）的参考点时，考虑参考点与基准点如果都处于纹理区域，就应该减小此时的滤波强度，以达到保存纹理的效果。为此该方法中引入纹理度量因子，此因子值越大，像素邻域的纹理越丰富；同时，为了在去噪时尽量保存图像边缘信息，对原图像进行边缘检测。根据边缘检测的结果，对于一个处于边缘的基准点在寻找其参考点时，如果某一个参考点也为边缘点，即说明这两点的相似度很可能比参考点为平滑区域点时的相似度高，因此此时在权重中再加入两点邻域的方向梯度的相似性因子。结合以上两点的改进，最终得到改进算法中参考点对于基准点的加权权重计算公式。
经实验验证，对于不同程度的不同含噪图像的处理效果，新的算法相比原算法的SSIM评价值平均提升7.6%；通过对不同图像进行实验，表明改进后新的算法比传统的非局部均值滤波算法具有更高的SSIM客观评价值和更好的主观评价结果。
Fig: (Left to right, up to bottom) image ‘lax’
original image, noisy image, denoised by NLM, denoised by our method
noise std=18
微信
