該方法在對噪聲像素點進行估計時，采用了邊緣和紋理信息替代原始的距離信息，來確定計算中參考像素點的權重，而邊緣和紋理的權重分別由方向梯度和方差系數來決定。在選取含噪圖像中待處理點（即基準點）的參考點時，考慮參考點與基準點如果都處于紋理區域，就應該減小此時的濾波強度，以達到保存紋理的效果。為此該方法中引入紋理度量因子，此因子值越大，像素鄰域的紋理越豐富；同時，為了在去噪時盡量保存圖像邊緣信息，對原圖像進行邊緣檢測。根據邊緣檢測的結果，對于一個處于邊緣的基準點在尋找其參考點時，如果某一個參考點也為邊緣點，即說明這兩點的相似度很可能比參考點為平滑區域點時的相似度高，因此此時在權重中再加入兩點鄰域的方向梯度的相似性因子。結合以上兩點的改進，最終得到改進算法中參考點對于基準點的加權權重計算公式。 

　　經實驗驗證，對于不同程度的不同含噪圖像的處理效果，新的算法相比原算法的SSIM評價值平均提升7.6%；通過對不同圖像進行實驗，表明改進后新的算法比傳統的非局部均值濾波算法具有更高的SSIM客觀評價值和更好的主觀評價結果。 

　　Fig: (Left to right, up to bottom) image ‘lax’ 

　　original image, noisy image, denoised by NLM, denoised by our method 

　　noise std=18