基于数据融合的多尺度图像去噪方法

将图像系数尺度内相关模型较强的去噪能力与尺度间相关模型保持边缘的优越性能相结合,提出了一种新的基于数据融合的多尺度图像去噪方法。同时引入了一种新的基于结构相似性(SSIM)指数的图像质量标准来衡量初始去噪图像和融合后图像与原始图像的相似程度,评估图像保持边缘和去噪的能力。仿真结果表明,基于数据融合的方法具有更好的视觉效果和去噪性能。

基于信息论分析的多尺度图像去噪方法

图像多尺度统计相关模型的信息论分析表明,尺度内模型可以捕捉小波系数间的大部分相关性,较尺度间模型携带更多的信息,而通过加入父信息得到的增益则较小.为充分利用各模型提供的不同信息,提出一种基于信息融合的多尺度去噪方法,将尺度内和尺度间相关模型的优点相结合,并压制各自的缺陷.仿真结果表明,基于信息融合的方法具有更好的视觉效果和去噪性能.