图像去噪是图像处理研究中的一个基础课题。现有的图像去噪方法分为局部方法与非局部方法两种，其中非局部平均(NLM)方法是近几年才提出的一种全新的图像去噪策略。最近发展起来的块匹配三维协同滤波(BM3D)有效地结合了局部变换方法与非局部思想，被公认为当前最好的图像去噪方法。本文通过深入研究BM3D方法中的一些不足提出了几种对BM3D的改进算法，获得了比BM3D方法更好的图像去噪结果。图像细节增强是图像处理研究中的另一个重要课题。变换域图像细节增强的前提是图像中呈线状奇异性的弱细节信息能够得到有效地表示，通过放大弱细节系数以达到图像增强的目 的。非下采样轮廓波变换(NSCT)作为当前最好的线状奇异性表示方法能有效表示图像中 的边缘或纹理等图像细节信息，但这种局部 变换方法是通过卷积核与图像卷积运算来实现图像细节表示的，在对增强后的变换系数执行逆变换后，图像边缘周围会有比较严重的光晕现象产生。本文提出了一种非局部线状奇异性表示方法，将其应用于图像增强获得了比较理想的图像增强结果并且基本不引入光晕假信号。对于图像去噪与增强的性能评价问题，本文提出了一种基于图像水印的去噪与增强性能评价方法。下面概述本文的主要研究内容和进展。 BM3D方法通过块匹配把一些相似的图像块堆叠成三维矩阵，再对三维矩阵执行可分的三维变换，用硬阈值方法收缩变换系数以达到图像去噪目的。尽管BM3D方法较好地保留了图像细节，但由于对图像块进行的二维变换是局部变换，所以会引入假信号。尤其当噪声强度相对较大时，引入的假信号更为明显。另外，BM3D方法还存在一个噪声强度较大时去噪性能急剧下降的问题。本文对强噪情况下BM3D方法如何能更少引入假信号以及如何更有效地解决强噪情况下去噪性能急剧下降问题进行了深入研究。通过分析块匹配群组中的图像块数、块尺寸以及块匹配前对图像块预滤波等一系列因素对去 噪结果的影响，提出了一种比原始BM3D更有效的方法，获得了比原始BM3D更好的 图像去噪结果，尤其在去噪后的图像中引入了更少的假信号。 BM3D方法强有力的去噪性能主要来源于该方法对图像的增强的稀疏表示，这种增强的稀疏性是因为块匹配后的各块是彼此高度相似的以及对块匹配群组结果执行了可分的三维变换。但BM3D过度地强调了稀疏性，致使对每个块的二维变换仍为局部变换。本文把BM3D方法中对三维矩阵的可分三维变换改为两次迭代的块间的一维变换，即更增强了第三维上的稀疏性，而弱化了各块自身的稀疏表示，实现了有效的非局部变换，从而在去噪结果中引入了更少的假信号。由于本文方法在两次一维变换中用了更少的 块，在保留图像细节方面也优于原始的BM3D方法。本文将这种方法称为块匹配一维一三维(BMl．3D)变换域滤波。 变换方法是通过卷积核与图像卷积运算来实现图像细节表示的，在对增强后的变换系数执行逆变换后，图像边缘周围会有比较严重的光晕现象产生。本文提出了一种非局部线状奇异性表示方法，将其应用于图像增强获得了比较理想的图像增强结果并且基本不引入光晕假信号。对于图像去噪与增强的性能评价问题，本文提出了一种基于图像水印的去噪与增强性能评价方法。下面概述本文的主要研究内容和进展。 BM3D方法通过块匹配把一些相似的图像块堆叠成三维矩阵，再对三维矩阵执行可分的三维变换，用硬阈值方法收缩变换系数以达到图像去噪目的。尽管BM3D方法较好地保留了图像细节，但由于对图像块进行的二维变换是局部变换，所以会引入假信号。尤其当噪声强度相对较大时，引入的假信号更为明显。另外，BM3D方法还存在一个噪声强度较大时去噪性能急剧下降的问题。本文对强噪情况下BM3D方法如何能更少引入假信号以及如何更有效地解决强噪情况下去噪性能急剧下降问题进行了深入研究。通过分析块匹配群组中的图像块数、块尺寸以及块匹配前对图像块预滤波等一系列因素对去 噪结果的影响，提出了一种比原始BM3D更有效的方法，获得了比原始BM3D更好的 图像去噪结果，尤其在去噪后的图像中引入了更少的假信号。 BM3D方法强有力的去噪性能主要来源于该方法对图像的增强的稀疏表示，这种增强的稀疏性是因为块匹配后的各块是彼此高度相似的以及对块匹配群组结果执行了可分的三维变换。但BM3D过度地强调了稀疏性，致使对每个块的二维变换仍为局部变换。本文把BM3D方法中对三维矩阵的可分三维变换改为两次迭代的块间的一维变换，即更增强了第三维上的稀疏性，而弱化了各块自身的稀疏表示，实现了有效的非局部变换，从而在去噪结果中引入了更少的假信号。由于本文方法在两次一维变换中用了更少的 块，在保留图像细节方面也优于原始的BM3D方法。本文将这种方法称为块匹配一维一三维(BMl．3D)变换域滤波。