资源描述：
《基于三变量模型的剪切波去噪方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第36卷第8期自动化学报Vol.36,No.82010年8月ACTAAUTOMATICASINICAAugust,2010基于三变量模型的剪切波去噪方法郭强1郁松年1摘要针对图像去噪问题,提出了两种基于三变量模型的剪切波去噪方法.首先利用互信息对剪切波系数间的依赖关系进行量化分析;然后根据依赖关系选取含噪系数s,s的父系数p以及与s方向相反的兄弟系数c,建立了三变量最大后验估计模型.在假定s,p,c具有相同标准差的情况下,由估计模型推出一种具有闭式解的去噪方法(方法1);对s,p,c具有不同标准差的情况,给出了一种迭代去噪方法(方法2),并证明了该方法的收敛性.实验结
2、果表明,方法1和方法2不仅具有良好的视觉效果,而且具有较高的峰值信噪比和结构相似度均值.关键词图像去噪,统计模型,剪切波变换,互信息,最大后验估计DOI10.3724/SP.J.1004.2010.01062Shearlet-basedImageDenoisingUsingTrivariatePriorModel11GUOQiangYUSong-NianAbstractTwoshearlet-baseddenoisingmethodsusingtrivariatepriormodelareproposedforimagedenoising.Thedependencya
3、mongshearletcoe±cientsisanalyzedviamutualinformation.Accordingtothedependencycharacterization,anoisycoe±cients,itsparentcoe±cientpanditscousincoe±cientcwithoppositeorientationareexploitedtoestablishthetrivariatemaximumaposterioriestimatemodel.Inthecaseofs,p,chavingthesamestandarddeviati
4、on,asimpleclosed-formsolutionisderivedfromthetrivariatemodel.Fors,p,cwithdi®erentstandarddeviations,aniterativedenoisingmethodisgiven,andtheconvergenceoftheiterativealgorithmisproved.Experimentalresultsshowthatthedenoisedimagesbytheproposedmethodsachievenotonlybettervisualqualitybutalso
5、higherpeaksignal-to-noiseratio(PSNR)andmeanstructuralsimilarity(MSSIM)values.KeywordsImagedenoising,statisticalmodeling,shearlettransform,mutualinformation,maximumaposterioriesti-mate图像在获取和传输过程中,不可避免地会受到好的去噪性能.噪声影响,噪声的存在降低了图像的分辨率,严重影遗憾的是,由一维小波张成的二维可分离小响了图像的后续处理(如目标的识别和分类).为了波只具有有限的方向,不能
6、很好地表示图像中改善图像质量,尽可能减少噪声对后续图像处理的的方向信息.多尺度几何分析的出现很好地解影响,必须先对图像进行去噪.决了小波的这一问题,典型的代表为曲线波变小波因具有良好的时频局域性、多分辨率特性,换(Curvelettransform)[5¡6]和轮廓波变换(Con-以及对点奇异分段光滑函数的最优逼近性,而被广tourlettransform)[7].由于曲线波和轮廓波都具有泛应用于图像去噪[1¡2].Donoho于1995年开创性各向异性和多方向性等特性,因此它们能对图像中地提出了基于小波的软阈值去噪方法[3],采用该方法高度各向异性的边缘和纹理等信息
7、给出接近最优的去噪后的图像具有较好的视觉效果,但其峰值信噪表示[8].这些良好特性能够提高图像去噪的性能.有比(Peaksignal-to-noiseratio,PSNR)较低,这主鉴于此,Starck等[9]提出了基于曲线波的K-Sigma要是由于软阈值方法具有过平滑性.此后,Sendur阈值去噪方法(Curvelet-KS),该方法的核心是利用等[4]利用尺度间小波系数的依赖关系提出了基于双阈值函数式(1)逐个对曲线波系数进行处理变量收缩函数的去噪方法,实验表明该方法具有较8
