基于Cauchy分布模型与NSST变换的图像去噪算法

摘要

非下采样Shearlet变换(NSST)具有良好的方向敏感性,各向异性以及平移不变性,是接近最优的多尺度稀疏表示方法.提出一种基于先验柯西(Cauchy)模型的NSST域图像去噪方法,利用Cauchy分布对NSST变换域子带系数概率分布进行拟合,作为先验分布模型,再通过最大后验概率(MAP)方法估计不含噪声的系数.该方法不但保留了传统统计模型去噪方法中的优点,还通过对NSST具有更好拟合效果的柯西分布模型作为先验的概率分布模型,使估计出的系数更接近于原始图像的系数.大量仿真实验验证了所提出方法的有效性.