基于非高斯分布的四元数小波图像去噪

图像去噪一直是图像处理的经典问题之一。四元数小波变换是一种新的多尺度分析图像处理工具,图像通过四元数小波变换后的小波系数尺度间具有一定的相关性,而广义高斯分布不能体现这个特性。本文首先采用非高斯二元分布的贝叶斯统计模型来模拟四元数小波系数的统计分布,然后运用最大后验概率估计从带噪声图中的小波系数估计原图的小波系数,从而达到去除噪声的目的。实验表明;该方法不仅可以达到明显的去除噪声的效果,而且在峰值信噪比上也要优于目前的许多算法。

基于非高斯分布和上下文法模型的小波阈值去噪算法

提出了一种新的空间自适应小波阈值去噪算法,该算法是基于非高斯二元分布的贝叶斯统计模型和上下文法模型。非高斯二元分布由两个变元和一个参数组成,能够完全体现小波系数之间相关性,这是广义高斯分布所不能体现的特性。上下文法模型是图像编码技术,用来求取小波系数的方差。试验数据显示该算法不仅在直观视觉上去噪效果明显,而且在信噪比方面也要优于SureShrink、BayesShrink、Wiener2等方法。

基于四元数小波混合统计模型的图像去噪

图像的去噪和压缩一直是图像处理的经典问题,传统的方法中很难将二者同时兼顾。四元数小波变换是实小波、四元数理论及二维希尔伯特变换相结合的产物,是一种新的多尺度分析图像处理工具。图像经四元数小波变换后,其小波系数不仅在尺度内具有相关性,而且在尺度间也具有一定的相关性。文中提出一种混合统计模型,该模型包括尺度间的二元非高斯分布模型和尺度内的广义高斯分布模型,然后运用最小均方误差(MMSE)估计从噪声图中的小波系数恢复原图的系数,从而达到去除图像的噪声的目的。仿真实验表明,论文方法不仅可以获得信噪比上的提高、视觉上达到明显的去噪效果,而且取得了较高的压缩比。