基于小波域HMT模型的圖像去噪研究.pdf

1、圖像去噪是數(shù)字圖像處理領域的一項重要技術。傳統(tǒng)的濾波方法在去除噪聲的同時卻引起圖像邊緣模糊的問題，而普通的基于小波閾值去噪方法，由于缺乏平移不變性，去噪后的圖像很容易出現(xiàn)Gibbs效應，并且由于小波閾值去噪沒有考慮到小波系數(shù)之間的相關性，其去噪效果也不是很理想。為了解決這一問題，本文研究了基于小波域HMT模型的圖像去噪。 本文提出了一種新的基于小波域HMT模型的抑制高斯白噪聲的圖像去噪算法，在這種算法中，首先將噪聲圖像分別沿水平

2、、垂直及對角方向進行平移變換，然后對平移后的圖像分別進行小波變換，然后根據(jù)小波系數(shù)特征及邊緣分布，建立各個圖像的小波域隱馬爾科夫樹(HMT)模型。利用兩狀態(tài)高斯混合模型來描述層內(nèi)小波系數(shù)的特性和狀態(tài)轉(zhuǎn)移矩陣描述小波系數(shù)在尺度間的相關性，然后運用EM算法對HMT模型進行訓練得出模型的參數(shù)。在將HMT模型用于圖像去噪時，首先把噪聲圖像信號小波系數(shù)與HMT模型匹配，并運用貝葉斯準則估計出實際圖像信號小波系數(shù)的最小均方誤差估計值，最后用小波逆變

3、換重建信號，得到平移變換后的去噪圖像。最后對去噪后的圖像分別進行對應的逆平移變換，取所有圖像的平均值作為最終的去噪圖像。仿真結果表明，該算法在較好地去除高斯白噪聲的同時，很好地保留了圖像的細節(jié)和邊緣信息，提高了圖像的峰值信噪比，抑制了Gibbs效應，具有較好的去噪效果。 此外，為了抑制混合噪聲，本文提出了基于閾值分割的多級中值濾波與小波域HMT模型相結合的圖像去噪方法。仿真試驗表明此方法在抑制混合噪聲的同時，較好地保留了圖像的細