基于非高斯分布和上下文模型的小波去噪算法.pdf

1、本文提出了一種新的空間自適應(yīng)小波閥值去噪算法，該算法是基于非高斯二元分布的貝葉斯統(tǒng)計模型和上下文模型，并將該算法應(yīng)用于MR圖像的去噪處理。　　本文的應(yīng)用背景是醫(yī)學核磁共振分割項目，圖像去噪處理是分割項目的重要的預(yù)處理步驟之一。由MRI得到的圖像復(fù)數(shù)數(shù)據(jù)常受到高斯白噪聲的干擾，該噪聲部分來源于圖像數(shù)據(jù)采樣硬件系統(tǒng)，其他來源于生理學原因。為了更好地進行MRI圖像分割處理，我們需要更加精細準確的圖像去噪算法。通常，圖像去噪會影響原有圖像包含

2、的數(shù)據(jù)信息，因而圖像算法會折中平衡圖像去噪和圖像質(zhì)量的關(guān)系。為了很好平衡二者關(guān)系，要求圖像去噪算法能夠適應(yīng)圖像數(shù)據(jù)的非連續(xù)性。小波表示(waveletrepresentation)能夠構(gòu)造出這種具有空間自適應(yīng)性的圖像去噪算法。它能將基本數(shù)據(jù)信息壓縮在數(shù)量較少，但數(shù)值較大的小波系數(shù)(waveletcoefficients)當中，這些小波系數(shù)能完全體現(xiàn)圖像數(shù)據(jù)的細節(jié)。　　為了更好地進行MR圖像分割處理，本文提出了一種新的空間自適應(yīng)小波閥值

3、去噪算法，該算法是基于非高斯二元分布的貝葉斯統(tǒng)計模型和上下文模型。非高斯二元分布由兩個變元和一個參數(shù)組成，能夠完全體現(xiàn)小波系數(shù)之間相關(guān)性，這是廣義高斯分布所不能體現(xiàn)的特性。上下文模型是圖像編碼技術(shù)，用來求取小波系數(shù)的方差。試驗數(shù)據(jù)顯示該算法不僅在直觀視覺上去噪效果明顯，而且在信噪比方面也要優(yōu)于SureShrink,BayesShrink,Wiener2等方法?！　”疚牡墓ぷ髦饕性冢?1)介紹小波算子在圖像去噪算法中的應(yīng)用。(2)介