基于连分式的广义高斯模型UDCT贝叶斯图像去噪

摘要

文章通过研究均匀离散曲波变换(uniform discrete curvelet transform,UDCT)系数统计特性,发现该变换域的系数具有良好的相关性,且能有效解决广义高斯模型的参数拟合问题。在利用广义高斯模型的参数估计进行图像去噪过程中,从矩估计和最大似然估计出发,采用比牛顿迭代法更稳定的连分式迭代法来求解最大似然估计的超越方程;采用蒙特卡洛方法代替鲁棒中值法来精确地估计每个子带的噪声方差;在Bayesian最大后验概率估计的框架下完成图像去噪。实验结果表明,文中提到的算法与传统的VisuShrink、BayesShrink和SureShrink相比,具有较好的去噪效果和峰值信噪比。