Waveletbasedimagedenoising小波域图像去噪课件

Waveletbasedimagedenoising

(小波域图像去噪)PengSilong2009.04.24Waveletbasedimagedenoising

1OutlineMathematicalmodelofdenoisingandMAPframeworkWaveletdomainWienermethodWaveletdomainuniformshrinkagedenoisingAdaptivewaveletdomainshrinkagedenoisingHMTbaseddenoisingmethodOutlineMathematicalmodelofd2Waveletbasedimagedenoising小波域图像去噪课件3MathematicalmodelMathematicalmodel4MAPframeworkMAPframework5Waveletbasedimagedenoising小波域图像去噪课件6WaveletdomainmethodWaveletdomainmethod7WaveletdomainWienerfilteringWaveletdomainWienerfilterin8ParameterestimatingParameterestimating9Waveletdomainuniformshrinkage(Donoho)Waveletdomainuniformshrinka10ParameterestimatingParameterestimating11SomeresultsaboutuniformshrinkageSomeresultsaboutuniformshr12Adaptivewaveletdomainshrinkage(Chang,Yu,Vetterli)Adaptivewaveletdomainshrink13Waveletbasedimagedenoising小波域图像去噪课件14Waveletbasedimagedenoising小波域图像去噪课件15Waveletbasedimagedenoising小波域图像去噪课件16Waveletbasedimagedenoising小波域图像去噪课件17Waveletbasedimagedenoising小波域图像去噪课件18小波域统计图像模型Lena图像在空间域和小波域的直方图比较小波域统计图像模型Lena图像在空间域和小波域的直方图比较19Waveletbasedimagedenoising小波域图像去噪课件20Waveletbasedimagedenoising小波域图像去噪课件21Waveletbasedimagedenoising小波域图像去噪课件22Waveletbasedimagedenoising小波域图像去噪课件23小波域统计图像模型尺度内模型（Intrascalemodel）尺度间模型（Interscalmodel）结合尺度间与尺度内的混合模型小波域统计图像模型尺度内模型（Intrascalemode24尺度内模型广义高斯模型广义拉普拉斯模型高斯混合模型尺度内模型广义高斯模型25尺度内模型高斯尺度混合模型其中：U为零均值高斯向量，Z是一个独立的正的乘量，X是高斯向量的无穷混合。尺度内模型高斯尺度混合模型其中：U为零均值高斯向量，Z是一个26尺度间模型隐马尔可夫树（HMT）模型（Crouse1998）双变量模型（Sendur2002）尺度间模型隐马尔可夫树（HMT）模型（Crouse1998）27结合尺度内与尺度间的混合模型条件高斯模型结合尺度内与尺度间的混合模型条件高斯模型28小波域HMT模型参数的快速

估计及其在图像降噪中的应用（一）自然图象小波变换的两个性质非高斯分布特性：小波系数的边缘分布呈现出非高斯特性，即呈现出“尖峰长尾”的状态。保持性：在空间同一位置，小波系数“大”或“小”的状态具有在尺度间传递的特性。小波域HMT模型参数的快速

估计及其在图像降噪中的应用（一）29小波域HMT模型参数的快速

估计及其在图像降噪中的应用（二）子带系数的高斯混合模型小波系数及其隐状态的四叉树模型Crouse提出的小波域HMT模型小波域HMT模型参数的快速

估计及其在图像降噪中的应用（二）30小波域HMT模型参数的快速

估计及其在图像降噪中的应用（三）小波域HMT模型的参数小波域HMT模型参数的快速

估计及其在图像降噪中的应用（三）31小波域HMT模型参数的快速

估计及其在图像降噪中的应用（四）HMT模型参数的训练小波域HMT模型参数的快速

估计及其在图像降噪中的应用（四）32小波域HMT模型参数的快速

估计及其在图像降噪中的应用（五）HMT模型参数训练存在的问题参数训练过程复杂：Top-Down(EM)计算量大基于HMT模型的降噪算法小波域HMT模型参数的快速

估计及其在图像降噪中的应用（五）33小波域HMT模型参数的快速

估计及其在图像降噪中的应用（六）小波域HMT模型参数的快速估计小波系数的分类模型参数的快速估计小波域HMT模型参数的快速

估计及其在图像降噪中的应用（六）34小波系数的分类阈值选取小波系数的分类阈值选取35模型参数的快速估计阈值分类模型参数的快速估计阈值分类36小波域HMT模型参数的快速

估计及其在图像降噪中的应用（六）小波域HMT模型参数的快速估计小波系数的分类模型参数的快速估计小波域HMT模型参数的快速

估计及其在图像降噪中的应用（六）37模型参数的快速估计节点的状态概率节点的状态转移概率节点的方差模型参数的快速估计节点的状态概率38小波域HMT模型参数的快速

估计及其在图像降噪中的应用（七）Gibbs效应的消除首先对原始观测图像进行水平、垂直和对角方向平移得到三幅平移后的图像；然后，对这些图像分别按上述算法进行降噪；最后，将这些降噪图像对准后进行平均就可以得到Gibbs效应已大大减弱了的降噪图像小波域HMT模型参数的快速

估计及其在图像降噪中的应用（七）39小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十）实验结果（PSNR：20.0034

30.3782）小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十）40小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十一）实验结果（PSNR：20.0107

28.2667）小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十一41小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十二）实验结果分析（PSNR：19.9862

25.3904）小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十二42小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十三）实验结果分析（PSNR：20.0255

23.9246）小波域HMT模型参数的快速

估计及其在图像降噪中的应用（十三43Waveletbasedimagedenoising小波域图像去噪课件44Stationarywavelettransform

(undecimatedwavelet)TimeinvariantwaveletátrouswaveletUndec