- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
光电工程
维普资讯
第34卷第3期 光电工程 Vo1.34,No.3
2007年 3月 Opto—ElectronicEngineering March,2007
文章编号:1003—501X(2007)03—0093—05
基于小波域局部统计模型的图像去噪方法
崔艳秋 ’。,王 珂
(1.吉林大学 通信工程学院,吉林 长春 130025;2.大连民族学院 机电信息.工程学院,辽宁 大连 l16600)
摘要:提 出了一种基于小波域局部统计模型图像去噪方法。该方法利用图像小波子带的方向性特点以及小波系数
尺度 内和尺度问的相关性:将小波系数尺度内的相关性建模为一种各向异性马尔可夫随机:~(MarkovRandomField,
MRF)先验概率模型,将小波系数尺度间的相关性建模为局部奇异性的条件概率模型。通过在贝叶斯框架中采用这
种先验概率模型和条件概率模型可以得到一种具有 自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小
波系数的修正。实验结果表明利用该方法进行图像去噪能够取得 良好的效果,同时可以有效地保 留图像的细节。
关键词:图像去噪;小波变换:马尔可夫随机场:局部奇异性
中图分类号:TP39l 文献标识码:A
Imagedenoisingbasedonlocalstatisticalmodelsinwaveletdomain
CUIYan-qiul-一 W ANG Kel
,
(I.CollegeofCommunicationEngineering,JilinUniversity,Changchun130025,China;2.CollegeofElectromechanical
&InformationEngineering,DalianNationalitiesUniversiyt,DalianII6600,China)
Abstract:Animagedenoisingmethodwaspresentedbasedonlocalstatisticalmodelsinwaveletdomain.Thismethod
Was adaptivetothewaveletsubbandscorrespondingtothreeorientationsintheimageandtookintoaccountinter-scale
andintra-scaledependenciesbetweenwaveletcoefficients.AnnaisotropicMarkovRnadomField(MRF)modelwasused
to representpriorknowledge aboutthe intra-scale dependenciesbetween thewaveletcoeffi cients.The inter-scale
dependenciesbetweenthewaveletcoeffi cientsweremeasuredfrom thelocalsingularity,whichapperaedas aconditional
model,BasedonthesemodelsinaBayesianframework,anadaptiveBayesianshrinkagefunctionWas obtainedna deach
modifiedcoefficientwasdecidedseparately.Experimentalresultsdemonstratethatthismethodimprovesthedenoising
per
原创力文档


文档评论(0)