(双变量模型.docVIP

基于双变量模型的子带自适应滤波方法 侯建华 熊承义 （中南民族大学电子信息工程学院,武汉430074） 摘 要 利用贝叶斯最大后验估计理论研究了双变量层间模型、模型的子带自适应参数估计方法，推导了对应的萎缩函数；在此基础上设计了一种子带自适应图像滤波方法，并与两种基于模型的类似算法进行了比较。实验结果表明：利用小波系数层间模型可以有效地改善图像去噪质量。 关键词 小波系数；最大后验估计；双变量模型；子带自适应 中图分类号 TP391 文献标识码 A 文章编号 1672-4321(2005)04-0042-03 A Sub-Band Adaptive Image Filtering MethodBased on Bivariate Model Hou Jianhua Xiong Chengyi Abstract The paper has investigated the bivariate model using Bayesian maximum a posteriori (MAP) estimation theory. The sub-band adaptive method for parameter estimation is discussed and the corresponding shrinkage function is derived. A sub-band adaptive image filtering method is designed and compared with other two similar algorithms which are also based on statistics modeling of wavelet coefficients. Experiment results show that image denoising can be improved by exploiting wavelet interscale models. Keywords wavelet coefficients; maximum a posteriori estimation; bivariate model; sub-band adaptive Hou Jianhua Assoc Prof, College of Electronics and Information Engineering, SCUFN, Wuhan 430074,China 大量研究表明，图像小波系数之间存在着一定的相关性，利用这种相关性可以显著改善有关算法的性能。具体地讲有2点：(1)小波系数具有空间聚集性(Clustering)，即如果某一系数较大(或小)，则与其相邻的系数也往往较大(或小)；(2)小波系数具有尺度传递性(Persistence)，即大(或小)的系数有沿尺度传播的趋向[1]。依据这些相关性和小波系数的非高斯特性，已提出了多种图像小波系数的先验分布模型，例如广义高斯分布[2]、拉普拉斯分布[3]这些层内模型利用了子带内的空间聚集性，在图像编码、去噪领域得到了成功的应用。另一类层间模型则根据小波系数的尺度传递性,对“父”“子”系数间的依赖性进行描述。例如Shapiro提出的小波零树编码算法是应用该特性的成功典范[4]，Crouse的小波域隐马尔科夫树模型在信号估计、图像分割、纹理分析等方面也表现出了出色的性能[1]。近年来，Sendur提出了一种双变量模型，用非高斯密度函数对“父”“子”系数分布进行建模，利用贝叶斯统计理论得到了其最大后验估计的解析表达式[5]。本文对这种双变量模型进行了深入研究，并设计了一种子带自适应图像滤波方法。 设w1是当前的小波系数，w2是上一个粗糙尺度中空间位置与w1相同的系数,即w1的“父”系数。 y1 = w1 + n1 ，y2 = w2 + n2 (1) 用矢量表示为： y = w + n (2) 其中y = ( y1 , y2 ) , w = ( w1 , w2 ) , n = (n1 , n2 )。 为了更好地利用小波系数的相关性，Sendur等统计了大量自然图像小波系数直方图中“父”“子”系数间的概率分布，提出了一种双变量混合模型来刻画这种关系[5]： , (3) 2 基于双变量模型的最大后验估计 2.1 贝叶斯最大后验估计理论 为简单起见，先考虑标量形式的MAP估计。设y=w+n分别代表观测到的含噪图像、真实图像以及独立同分布高斯噪声的小波系数。n服