小波域統(tǒng)計圖像建模與圖像降噪.pdf

1、由于圖像獲得方式的限制或在傳輸過程中受到的干擾，觀測到的圖像通常被各種各樣的噪聲所污染。這種帶噪圖像不僅不利于觀測，而且很難對其進一步處理。圖像降噪的主要目的是在保留圖像原有重要信息(如邊緣等)的前提下降低或消除噪聲，獲得高質(zhì)量的為人類視覺所接受的圖像，從而為下一步的圖像處理奠定基礎(chǔ)。 小波變換是近十幾年來發(fā)展起來的一種新的信號處理工具，由于其特有的多分辨率分析特性與良好的時頻局部分析特性，使其被廣泛應(yīng)用于信號和圖像處理領(lǐng)域。基

2、于小波域的各種統(tǒng)計圖像模型在圖像處理領(lǐng)域中充當了一個重要角色。以小波域統(tǒng)計圖像模型為未知圖像的先驗?zāi)Ｐ筒?yīng)用到圖像降噪中，獲得了很好的效果，在圖像降噪方面表現(xiàn)出了明顯的優(yōu)勢。 小波域隱馬爾可夫樹(HMT)模型可以很好地刻畫尺度間小波系數(shù)的相關(guān)性，但模型參數(shù)的訓(xùn)練過程復(fù)雜，計算量大。針對這個缺點，本文提出了一種不經(jīng)訓(xùn)練的HMT模型參數(shù)快速估計方法。該算法首先用一種自適應(yīng)閾值將每個子帶小波系數(shù)分成兩類，然后對每類分別進行統(tǒng)計，這種統(tǒng)

3、計是局部的，因而有很好的局部自適應(yīng)性，最后模型參數(shù)可以利用這些局部的統(tǒng)計特性來描述。將本文估計出的參數(shù)模型運用到圖像降噪中，實驗結(jié)果表明這種快速估計的HMT參數(shù)模型不僅可以大大提高計算速度，降低計算復(fù)雜度，而且從峰值信噪比(PSNR)和視覺效果上都不遜于傳統(tǒng)的經(jīng)迭代EM算法訓(xùn)練的HMT模型降噪算法。 針對傳統(tǒng)小波在圖像降噪方面的不足，本文提出了一種基于二元樹復(fù)小波變換(DTCWT)的局部高斯混合模型(LGMM)圖像降噪算法。在復(fù)

4、小波域上對觀測圖像進行一種基于高斯混合模型的后驗概率分類，并在每類小波系數(shù)的局部鄰域估計出LGMM的參數(shù)，這種參數(shù)估計是局部自適應(yīng)的，然后用這種LGMM對各個子帶系數(shù)進行貝葉斯框架下的最大后驗概率(MAP)估計，從而達到降低噪聲的目的。由DTCWT具有近似的平移不變性和良好的方向選擇性，因而在降噪的同時可以很好地消除主要邊緣處的“振鈴”效應(yīng)。實驗結(jié)果表明這種算法無論從峰值信噪比還是從主觀視覺效果上都要優(yōu)于一些傳統(tǒng)的小波域降噪算法。