基于Treelet變換的圖像去噪.pdf

1、由于受到各種物理?xiàng)l件和環(huán)境因素的影響，圖像在采集、量化、編碼傳輸和恢復(fù)過程中，不可避免地受到噪聲干擾。為了改善圖像的質(zhì)量，我們需要對(duì)含噪圖像中的噪聲進(jìn)行抑制并盡量保留圖像原始信息，由此可見，去除圖像中噪聲是一項(xiàng)非常重要的圖像預(yù)處理工作。圖像去噪的目的是從含噪聲圖像中估計(jì)出原始無噪聲圖像，以利于圖像的進(jìn)一步分析和處理。
　　 本文將一種新的數(shù)據(jù)分析處理方法-Treelet變換引入到圖像去噪中，圍繞著如何從圖像中去除噪聲并盡量保持細(xì)

2、節(jié)信息這個(gè)問題，主要工作概括如下：
　　 (1)提出了基于Trelet變換和最小均方誤差估計(jì)的圖像去噪方法。該方法基于Treelet變換在高維、無序、含噪數(shù)據(jù)處理上的優(yōu)勢(shì)，對(duì)相似圖像塊集合進(jìn)行Treelet變換，再用Bayes估計(jì)去噪后系數(shù)，最后對(duì)去噪后的圖像塊按照加權(quán)進(jìn)行聚合得到最終的圖像去噪結(jié)果。由于Treelet變換對(duì)噪聲具有魯棒性，而且Bayes估計(jì)是一種無偏估計(jì)，能精確地估計(jì)出無噪聲系數(shù)，有利于取得較好的去噪結(jié)果。本文

3、通過大量的實(shí)驗(yàn)，與其他經(jīng)典的去噪方法進(jìn)行對(duì)比，驗(yàn)證了此算法的有效性，并證明此方法在去噪的同時(shí)也能很好地保持邊緣等細(xì)節(jié)特征。
　　 (2)提出了Treelet變換域高斯尺度混合模型的圖像去噪方法。該算法對(duì)圖像塊進(jìn)行分類處理，將紋理和結(jié)構(gòu)相似的圖像塊歸為一類，對(duì)于圖像中每一圖像塊，在其所屬類別中尋找與其相似的圖像塊，對(duì)當(dāng)前圖像塊和與其相似的圖像塊的灰度值組成的矩陣進(jìn)行Treelet變換。再用高斯尺度混合模型對(duì)變換后的系數(shù)進(jìn)行建模，再

4、用Bayes最小均方方法估計(jì)去噪后系數(shù)。在屬于同一類的圖像塊中尋找相似圖像塊與Treelet變換的核心思想-在變換的每一層都處理最相似的兩個(gè)變量是一致的，更利于發(fā)揮Treelet變換的優(yōu)勢(shì)來分析數(shù)據(jù)的內(nèi)部結(jié)構(gòu)和圖像塊之間的相關(guān)性。實(shí)驗(yàn)表明了本章方法的有效性。與其他方法相比，本章方法對(duì)噪聲抑制和邊緣保持能力較強(qiáng)，PSNR值得到有效的提高，而且視覺效果也較好。
　　 (3)提出了一種基于邊緣先驗(yàn)和非下采樣Contourlet(NSC