1、染噪圖像不僅會影響視覺效果，也會損失有效信息，不利于后續(xù)的圖像處理和分析。作為圖像預(yù)處理的重要環(huán)節(jié)，圖像去噪可以提高圖像質(zhì)量，是數(shù)字圖像研究領(lǐng)域的熱點和難點。
　　非局部均值濾波算法(Non-Local Means,NLM)充分利用了圖像本身的自相似特征，是當(dāng)前去噪能力較強(qiáng)的一種圖像處理方法。但是NLM算法計算量較大，難以滿足實際應(yīng)用中高處理速度的需要。因此，本論文研究的主要課題是探索能夠有效保持圖像去噪效果的快速NLM算法及其G

2、PU并行實現(xiàn)。
　　主要做了以下方面的研究：
　　(1)針對NLM算法計算量較大的問題，首先提出了一種基于自適應(yīng)搜索窗的非局部均值濾波算法(NLM-Adaptive Window,NLM-AW)，通過分別在邊緣區(qū)域采用較大的搜索范圍，非邊緣區(qū)域采用較小的搜索范圍來降低計算量；然后，為了進(jìn)一步提高計算速度，在水平和豎直方向移動搜索像素塊時采用快速步長的方法(NLM-FastAdaptive Window,NLM-FAW)。實驗

3、驗證該算法在有效去噪的同時，計算速度較傳統(tǒng)NLM提高了17-66倍；
　　(2)將局部二值模式的思想與NLM算法相結(jié)合，提出了一種新的局部二值描述子(Local BinaryDiscriptor,LBD)，通過對圖像的局部結(jié)構(gòu)特征進(jìn)行二進(jìn)制描述來提高魯棒性，并采用邏輯運算取代歐式距離衡量像素塊間的相似度，在進(jìn)一步提高速度的同時，也能很好地保護(hù)圖像邊緣；
　　(3)將(2)中改進(jìn)的算法應(yīng)用于光學(xué)相干層析成像(Optical C

4、oherence Tomography,OCT)的醫(yī)療圖像處理，通過與其它典型算法相比較，驗證本文算法在去噪效果和計算時間上的優(yōu)勢；
　　(4)為了達(dá)到本文所提出算法的實時性，本論文還對該算法進(jìn)行了GPU并行處理。在Intel Corei5處理器和NVIDIA GeForce GTX660上運行的實驗結(jié)果表明，在保證去噪效果與當(dāng)前主流的去噪方法基本一致的前提下，對NLM-FLBD參數(shù)進(jìn)行調(diào)整可以使其計算速度提高76倍，運行速度達(dá)到