基于小波域HMT模型的图像去噪研究

摘要

图像去噪是数字图像处理领域的一项重要技术。传统的滤波方法在去除噪声的同时却引起图像边缘模糊的问题，而普通的基于小波阈值去噪方法，由于缺乏平移不变性，去噪后的图像很容易出现Gibbs效应，并且由于小波阈值去噪没有考虑到小波系数之间的相关性，其去噪效果也不是很理想。为了解决这一问题，本文研究了基于小波域HMT模型的图像去噪。 本文提出了一种新的基于小波域HMT模型的抑制高斯白噪声的图像去噪算法，在这种算法中，首先将噪声图像分别沿水平、垂直及对角方向进行平移变换，然后对平移后的图像分别进行小波变换，然后根据小波系数特征及边缘分布，建立各个图像的小波域隐马尔科夫树(HMT)模型。利用两状态高斯混合模型来描述层内小波系数的特性和状态转移矩阵描述小波系数在尺度间的相关性，然后运用EM算法对HMT模型进行训练得出模型的参数。在将HMT模型用于图像去噪时，首先把噪声图像信号小波系数与HMT模型匹配，并运用贝叶斯准则估计出实际图像信号小波系数的最小均方误差估计值，最后用小波逆变换重建信号，得到平移变换后的去噪图像。最后对去噪后的图像分别进行对应的逆平移变换，取所有图像的平均值作为最终的去噪图像。仿真结果表明，该算法在较好地去除高斯白噪声的同时，很好地保留了图像的细节和边缘信息，提高了图像的峰值信噪比，抑制了Gibbs效应，具有较好的去噪效果。 此外，为了抑制混合噪声，本文提出了基于阈值分割的多级中值滤波与小波域HMT模型相结合的图像去噪方法。仿真试验表明此方法在抑制混合噪声的同时，较好地保留了图像的细节和边缘信息。

目录

文摘

英文文摘

郑重声明

第1章绪论

第2章小波域HMT模型

第3章小波域HMT模型在图像去噪中的研究

第4章仿真试验

第5章总结与展望

致谢

参考文献

附录：攻读学位期间发表论文