图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.使用广义高斯分布对图像子带小波系数进行建模并估计广义高斯分布模型的参数,根据参数确定了非局部平均权值的广义表达式,在此基础上提出了一种基于广义高斯分布的小波域广义非局部平均去噪算法.仿真结果表明,相比小波域阈值去噪和小波域非局部平均去噪算法,该方法的峰值信噪比平均提高1.5~3.3 dB,在边缘特征方面保持了良好的视觉效果.

小波域非参数统计图像去噪方法

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,