基于混合高斯模型的图象去噪方法研究

提出在正交小波域中基于父子小波系数联合分布密度的混合高斯模型实现图象去噪的方法。通过小波父子系数的联合分布密度函数来描述小波域中各相邻尺度系数的非独立特性,运用期望极大估计(EM)算法实现对该联合分布密度的混合高斯模型拟合;根据该结果,利用双变贝叶斯(Bayes)公式获得噪声图象父子小波系数的收缩算子,从而实现图象去噪。该算法同小波域中常用的其他去噪算法相比,仿真结果表明:无论在性能指标上或者感官效果上都能够获得很好的效果,尤其是在低信噪比时,图象的去噪效果更佳。     

一种基于二维GARCH模型的图像去噪方法

提出了一种基于小波系数统计模型的图像去噪方法。该方法利用二维广义自回归条件异方差(2D-GARCH)模型对小波系数进行建模,这种小波系数模型能够更好地利用小波系数"尖峰厚尾"的分布特性和系数间的相关性等重要特性。利用基于果蝇优化算法的极大似然估计(ML Estimation based on FOA)代替传统的线性规划方法求解模型参数,提高了建模的准确性。在此基础上再采用最小均方误差估计(MMSE Estimation)对未受噪声污染的原始图像的小波系数进行估计。实验结果表明,与当前主流的去噪方法相比,该算法能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR)和较好的视觉效果。     

一种有效保留图像细节的自适应图像消噪方法

针对更多保留图像细节信息有效滤除噪声的问题,分析了双密度双树复小波的变换原理及特点,推导了双变量萎缩函数,提出一种基于双密度双树复小波变换的局域自适应图像消噪算法。首先对含噪图像进行双密度双树复小波分解;后根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量萎缩函数对小波系数进行处理,并用处理后的小波系数重构图像。实验结果表明：该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了图像的视觉质量。     

小波域非参数贝叶斯估计图像去噪

提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.     

基于双树复小波二元统计模型的图像去噪方法

为了更有效地进行图像去噪,提出了一种基于双树复小波二元统计模型的图像去噪方法,该方法先用带参数的二元广义高斯分布(GGD)来模拟原图双树复小波系数的统计分布;然后结合最大似然估计(MLE)得到优化的参数估计;最后在此先验分布的基础上,运用最大后验概率(MAP)来估计从噪声图的小波系数中恢复原图的系数,从而达到去噪的目的。实验表明该新方法不仅可以干净地去除图像的噪声,还可以有效地保留图像细节,取得了良好的去噪效果,尤其是去噪图像的视觉效果要明显优于目前的很多算法。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

互补色小波颜色恒常性/白平衡方法

借助于互补色小波, 本文提出一种新的颜色恒常性统计方法.分析表明:标准光照图像的互补色小波子带关系, 可以利用联合拉普拉斯分布来进行描述.统计学习标准光照图像, 可获得拉普拉斯分布的参数, 为图像建立起标准光照的基准模型.该基准模型可为光照偏移(颜色恒常偏移)的图像提供光照补偿依据, 使偏光图像通过光照补偿恢复为标准光照图像, 从而得到光照参数.基于该基准模型对补偿光照参数进行最大似然估计的实验结果表明:本文所提方法的处理效果与列出的最好文献算法相当, 其在常用数据库上估计到的光照参数误差中值小0.1°, 而均值和最大值则小0.3°.     

基于复小波噪声方差显著修正的SAR图像去噪

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。     

边界保存的二进小波图像去噪算法

根据小波变换系数与图像边界的关系,提出了一种基于二进小波变换的图像去噪算法。首先用二进小波在不同尺度上分解图像,在低频部分上提取图像边界,根据图像边界与小波系数的关系,估计对应尺度上高频部分的噪声的方差,用Oracle估计子估计图像的二进小波系数,用估计出的二进小波系数重建图像。实验表明,该算法能够有效地去除各种分布的图像噪声。     

基于多尺度小波变换的高斯混合模型SAR图像去噪

针对合成孔径雷达图像斑点噪声去除问题,提出了一种滤波算法。该算法根据SAR图像小波系数分布的特点,采用高斯混合模型对其进行精确拟舍,并用贝叶斯估计来恢复原图。为了有效地克服对数图像均值不为零对小波滤波的影响,在多尺度小波变换前先对取对数后的图像作了归一化处理。仿真实验结果表明,该方法克服了常用的小波阈值去噪只有一个阈值的缺点,可在去除噪声的同时有效保留图像的边缘细节。     

基于Contourlet广义高斯模型的纹理图像检索

Contourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像Contourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于V isTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K-L距离计算图像间的相似度。对800幅纹理图像进行检索,本文方法比传统小波方法的平均检索查准率高出约2%到10%不等。实验结果表明,该方法改进了导向纹理的描述。     

基于隐马尔可夫复合树模型的图像纹理分析

提出了一种纹理图像隐马尔可夫捆绑树(HMT-b)模型的建模方法。该方法通过对小波分解后的三个子带(HH，HL，LH)中相应节点捆绑后作为一棵复合树进行建模，改进了迭代算法，所建模型能更好地描述三个子带问实际存在的小波系数相关性；对于每个尺度中的小波系数分布，HMT-b采用高斯混合分布来拟合。同时研究了尺度系数基于小波域泊松分布的统计建模方法。     

Denoising of multicomponent images using wavelet least-squares estimators

In this paper, we study denoising of multicomponent images. The presented procedures are spatial wavelet-based denoising techniques, based on Bayesian least-squares optimization procedures, using prior models for the wavelet coefficients that account for the correlations between the spectral bands. We analyze three mixture priors: Gaussian scale mixture models, Bernoulli-Gaussian mixture models and Laplacian mixture models. These three prior models are studied within the same framework of least-squares optimization. The presented procedures are compared to Gaussian prior model and single-band denoising procedures. We analyze the suppression of non-correlated as well as correlated white Gaussian noise on multispectral and hyperspectral remote sensing data and Rician distributed noise on multiple images of within-modality magnetic resonance data. It is shown that a superior denoising performance is obtained when (a) the interband covariances are fully accounted for and (b) prior models are used that better approximate the marginal distributions of the wavelet coefficients.     

A Generative Probabilistic Oriented Wavelet Model for Texture Segmentation

This Letter addresses image segmentation via a generative model approach. A Bayesian network (BNT) in the space of dyadic wavelet transform coefficients is introduced to model texture images. The model is similar to a Hidden Markov model (HMM), but with non-stationary transitive conditional probability distributions. It is composed of discrete hidden variables and observable Gaussian outputs for wavelet coefficients. In particular, the Gabor wavelet transform is considered. The introduced model is compared with the simplest joint Gaussian probabilistic model for Gabor wavelet coefficients for several textures from the Brodatz album [1]. The comparison is based on cross-validation and includes probabilistic model ensembles instead of single models. In addition, the robustness of the models to cope with additive Gaussian noise is investigated. We further study the feasibility of the introduced generative model for image segmentation in the novelty detection framework [2]. Two examples are considered: (i) sea surface pollution detection from intensity images and (ii) image segmentation of the still images with varying illumination across the scene.     

应用小波系数GSM统计模型的混合傅里叶-小波图像降噪

提出一种混合傅里叶-小波图像降噪算法,该算法的主要步骤是：先在傅里叶域中降噪,然后在小波域中滤除剩余的噪声。小波域中要滤除的是有色噪声,为了考虑有色噪声小波系数间的相关性,采用GSM（Gaussian scale mixture）统计模型描述图像小波系数的统计特性。实验证明该算法能有效提高降噪效果。     

基于小波域层次Markov模型的图像分割

针对两个状态的有限高斯混合模型逼近小波系数的不足和小波域隐马尔可夫树标号场相互独立的缺点,提出了一种基于小波域层次马尔可夫模型的图像分割算法,这种模型用有限通用混合模型逼近小波系数的分布,使有限高斯混合模型只是其一种特殊情况;在标号场的先验模型确定上,利用马尔可夫模型描述标号场的局部作用关系,给出标号场的具体表达式,克服了小波域马尔可夫树模型标号场相互独立的不足,然后利用贝叶斯准则,给出相应的分割因果算法。该模型不仅具有空域马尔可夫模型有效的递归算法的优点,同时具有小波域隐马尔可夫树模型中的马尔可夫参数变尺度行为。最后用真实的图像和合成图像同几种分割方法进行了对比实验,实验结果表明了本文算法的有效性和优异性。     

小波方向子带偏微分方程遥感图像去噪

针对小波阈值法在去除遥感图像高斯噪声时,所存在的由于过度"扼杀"小波系数而引起的模糊边缘问题,以及P-M模型通常会使图像的灰度趋于分段常量而产生所谓的"块状"效应问题。提出小波域偏微分方程(PDE)遥感图像去噪模型,该模型通过对遥感图像进行小波分解,保持低频子带信息,而只对含有噪声、图像边缘的高频子带进行基于子带方向特性的非线性异性扩散,使模型在有效去除高斯噪声的同时,能够很好地保护遥感图像中的边缘特征和细节纹理信息,避免了去噪后的结果图像出现分段常量现象。实验结果表明,对于相同的遥感图像高斯噪声,基于所提出混合模型的去噪图像的PSNR较基于类零树的Bayes阈值法和P-M模型提高了1～2dB。     

用快速EM算法实现小波系数的高斯混合分布模型

提出了一种小波系数的高斯混合分布模型。该模型用两个分量的高斯混合分布来拟合小波域每个高频频带系数的分布:其中,先验概率小方差大的分布代表了少量幅值较大的小波系数;先验概率大方差小的分布代表了大量幅值较小的小波系数。该文采用基于特征的快速算法完成对高斯混合分布参数的求解。实验结果证明了模型的有效性。     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。