为改善图像的去噪效果，该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet 域去噪算法。 该算法首先建立非下采样Contourlet 系数邻域的高斯比例混合模型，然后在模型基础上应用贝叶斯最小二乘法对 系数进行估计，最后反变换得到恢复图像。算法结合了非下采样Contourlet 变换对图像边缘的高效表示能力、非 下采样变换的移不变性质以及GSM 模型对非下采样Contourlet 系数邻域相关性的概括能力。实验结果表明，该算 法在视觉效果和峰值信噪比的改善上都取得了非常好的效果

提出一种基于小波域内统计建模的低剂量计算机X 线断层(CT) 图像去噪新方法。利用非下采样Contourlet 变换(NSCT)获得具有平移不变性的多尺度、多方向频率子带；结合噪声特点,通过统计参数预置改进隐马尔可夫树(HMT)模型,加速构建层间、方向间不同子带系数的概率转移矩阵,采用期望最大(EM)算法训练获得边缘概率密度；设计Bayes 最大后验概率(MAP)估计器对图像噪声进行建模与滤除。实验表明:相比小波HMT 去噪、Contourlet 软阈值去噪等同类方法,该方法提高了噪声估计精度,