基于小波域统计模型的图像去噪算法研究

【摘要】： 为了有效地去除图像中的噪声,本文对基于小波域统计模型的图像去噪算法进行了深入的研究。 从提高算法的去噪性能出发,构建了三种小波系数统计模型:各向异性马尔可夫随机场(MRF)模型、新的幅值边缘概率模型和模极大值比率模型,并且基于这些模型提出了一种改进的几何贝叶斯算法——基于各向异性MRF模型的几何贝叶斯算法。该算法可以有效地去除噪声,保留图像的细节特征,去噪性能优于其它几何贝叶斯算法。 从降低去噪算法的复杂度出发,提出了一种基于MRF模型的贝叶斯去噪算法——基于最优掩模的贝叶斯去噪算法。该算法采用了不同于几何贝叶斯算法的新框架以及适合于新框架的小波系数统计模型:两状态高斯混合模型、多尺度MRF模型和自适应高斯混合模型,在简化计算的同时仍然具有较好的去噪性能。 为了有效地抑制合成孔径雷达(SAR)图像的相干斑,提出了一种小波域噪声方差的估计方法和一种强散射体检测方法,并在此基础上提出了两种无对数变换的小波去斑算法:自适应线性最小均方误差去斑算法和基于最优掩模的自适应贝叶斯去斑算法。对于仿真SAR图像和真实SAR图像,这两种算法均能获得满意的相干斑抑制效果。