基于小波系數(shù)相關(guān)性的圖像去噪算法研究.pdf

1、圖像作為人類視覺信息傳遞的重要媒介，在傳輸?shù)倪^程中經(jīng)常會受到各種噪聲的干擾和影響，這種降質(zhì)圖像對后續(xù)圖像的處理(如分割、壓縮、特征提取和模式識別等)將產(chǎn)生不利的影響，因此對圖像進(jìn)行去噪成為圖像預(yù)處理的一項(xiàng)非常重要的工作。圖像去噪的任務(wù)是去除噪聲的同時最大程度地保留圖像本身的特征和細(xì)節(jié)。研究圖像去噪的關(guān)鍵在于提高信噪比，突出圖像的期望特征。然而傳統(tǒng)的去噪方法，在去噪與保細(xì)節(jié)折中方面不理想，去噪效果不佳。
　　 隨著小波分析理論的迅

2、猛發(fā)展，人們將注意力由空域轉(zhuǎn)移到了小波域，小波分析具有多尺度、多分辨率分析特點(diǎn)，能有效地改善去噪效果，因此基于小波域的圖像去噪成為了圖像去噪領(lǐng)域的重要研究課題。本文主要工作包含以下三個方面：
　　 (1)小波變換在圖像去噪領(lǐng)域占據(jù)非常重要的地位，本文首先列舉了小波變換有利于圖像分析的一系列特點(diǎn)；詳細(xì)介紹了小波去噪的發(fā)展歷史和現(xiàn)狀；研究了圖像噪聲模型，噪聲方差估計方法以及圖像去噪的性能評價標(biāo)準(zhǔn)；重點(diǎn)討論了小波去噪中的閾值函數(shù)選??；

3、分析了幾種經(jīng)典的閾值去噪算法，并通過實(shí)驗(yàn)仿真得出重要結(jié)論：正交小波變換不具有平移不變性，引入平移不變法改進(jìn)經(jīng)典的閾值去噪算法，減少了邊緣的偽吉布斯效應(yīng)，優(yōu)化了圖像去噪的質(zhì)量。
　　 (2)研究了小波系數(shù)的層內(nèi)相關(guān)性，提出了一種基于正態(tài)反高斯分布模型、以及結(jié)合上下文模型進(jìn)行系數(shù)分類的圖像去噪新算法。系統(tǒng)研究了經(jīng)典的小波系數(shù)統(tǒng)計模型，重點(diǎn)討論了正態(tài)反高斯模型；推導(dǎo)出了貝葉斯(Bayes)最大后驗(yàn)概率估計(MAP)的參數(shù)形式表達(dá)式；詳

4、細(xì)論述了基于上下文模型的小波系數(shù)分類法；研究了計算模型參數(shù)的矩估計法。實(shí)驗(yàn)結(jié)果表明，正態(tài)反高斯模型能夠全面描述系數(shù)的統(tǒng)計分布規(guī)律及相關(guān)性。該算法與經(jīng)典的自適應(yīng)閾值去噪相比，具有更好的信噪比和視覺效果。
　　 (3)研究了小波系數(shù)的層間相關(guān)性，提出了一種基于矢量空間線性最小均方誤差估計的圖像去噪新算法。闡述了非下采樣分解方法及冗余小波變換的優(yōu)點(diǎn)；深入研究了矢量空間的上下文模型分類法；研究了基于Bayes準(zhǔn)則的線性最小均方誤差估計算