基于均勻離散曲波變換改進(jìn)雙變量模型的圖像去噪.pdf

1、圖像去噪在數(shù)字圖像處理中占有重要地位,其方法也越來(lái)越多,但其實(shí)質(zhì)就是利用噪聲的特性和各種先驗(yàn)信息盡可能的去除干擾,保留原圖像信息,改善圖像質(zhì)量。本文針對(duì)傳統(tǒng)算法的弊端,既考慮到了小波系數(shù)的尺度傳遞性,又考慮到了尺度內(nèi)空間聚集性,提出了一種基于鄰域模型和雙變量模型的圖像去噪新算法。
　　本文通過(guò)對(duì)均勻離散曲波變換域中小波系數(shù)統(tǒng)計(jì)特性的研究,針對(duì)傳統(tǒng)雙變量模型未考慮到空間聚集性的不足,提出了一種新的雙變量模型去噪算法。首先考慮到尺度內(nèi)

2、的小波系數(shù)的相關(guān)性引入鄰域模型,采用蒙特卡洛算法得到噪聲方差,進(jìn)而進(jìn)行圖像去噪;然后再引入具有尺度傳遞性的雙變量模型的基礎(chǔ)上,利用小波系數(shù)與父系數(shù)的相關(guān)性,進(jìn)而得到初始化圖像;最后以初始化圖像和原噪聲圖像為先驗(yàn)信息,推導(dǎo)出改進(jìn)的雙變量模型來(lái)處理原噪聲圖像,且以對(duì)稱 K-L散度和最大迭代次數(shù)為收斂條件,經(jīng)過(guò)逐層迭代得到了最終去噪圖像。實(shí)驗(yàn)結(jié)果表明該算法有效地改善了去噪圖像質(zhì)量。
　　本文引入均方誤差(MSE)和峰值信噪比(PSNR)