小波域統(tǒng)計(jì)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(guò)程中受到的干擾，觀測(cè)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(cè)，而且很難對(duì)其進(jìn)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(lèi)視覺(jué)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(lái)發(fā)展起來(lái)的一種新的信號(hào)處理工具，由于其特有的多分辨率分析特性與良好的時(shí)頻局部分析特性，使其被廣泛應(yīng)用于信號(hào)和圖像處理領(lǐng)域。基

2、于小波域的各種統(tǒng)計(jì)圖像模型在圖像處理領(lǐng)域中充當(dāng)了一個(gè)重要角色。以小波域統(tǒng)計(jì)圖像模型為未知圖像的先驗(yàn)?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(shì)。 小波域隱馬爾可夫樹(shù)(HMT)模型可以很好地刻畫(huà)尺度間小波系數(shù)的相關(guān)性，但模型參數(shù)的訓(xùn)練過(guò)程復(fù)雜，計(jì)算量大。針對(duì)這個(gè)缺點(diǎn)，本文提出了一種不經(jīng)訓(xùn)練的HMT模型參數(shù)快速估計(jì)方法。該算法首先用一種自適應(yīng)閾值將每個(gè)子帶小波系數(shù)分成兩類(lèi)，然后對(duì)每類(lèi)分別進(jìn)行統(tǒng)計(jì)，這種統(tǒng)

3、計(jì)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(jì)特性來(lái)描述。將本文估計(jì)出的參數(shù)模型運(yùn)用到圖像降噪中，實(shí)驗(yàn)結(jié)果表明這種快速估計(jì)的HMT參數(shù)模型不僅可以大大提高計(jì)算速度，降低計(jì)算復(fù)雜度，而且從峰值信噪比(PSNR)和視覺(jué)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(duì)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(shù)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(duì)觀測(cè)圖像進(jìn)行一種基于高斯混合模型的后驗(yàn)概率分類(lèi)，并在每類(lèi)小波系數(shù)的局部鄰域估計(jì)出LGMM的參數(shù)，這種參數(shù)估計(jì)是局部自適應(yīng)的，然后用這種LGMM對(duì)各個(gè)子帶系數(shù)進(jìn)行貝葉斯框架下的最大后驗(yàn)概率(MAP)估計(jì)，從而達(dá)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(shí)可以很好地消除主要邊緣處的“振鈴”效應(yīng)。實(shí)驗(yàn)結(jié)果表明這種算法無(wú)論從峰值信噪比還是從主觀視覺(jué)效果上都要優(yōu)于一些傳統(tǒng)的小波域降噪算法。