基于小波域自适应高斯混合模型的图像去噪方法

吉林大学学报(工学版)

基于小波域自适应高斯混合模型的图像去噪方法

崔艳秋；王珂；孙巍

吉林大学通信工程学院，长春 130022

收稿日期:2006-03-16 修回日期:2006-05-23 出版日期:2006-11-01 发布日期:2006-11-01
通讯作者: 王珂

Image denoising method based on adaptive Gaussian mixture
model in wavelet domain

Cui Yan-qiu；Wang Ke；Sun Wei

College of Communication Engineering, Jilin University, Changchun 130022, China

Received:2006-03-16 Revised:2006-05-23 Online:2006-11-01 Published:2006-11-01
Contact: Wang Ke

摘要/Abstract

摘要：

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性，将小波系数的概率分布建模为一种自适应高斯混合模型，在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明,利用该方法进行图像去噪能够取得良好的效果，同时可以有效地保留图像的细节。

关键词: 信息处理技术, 图像去噪, 小波变换, 自适应高斯混合模型

Abstract: An image denoising method was proposed based on a local statistical model of wavelet coefficients. This method modeled the distribution of wavelet coefficients as an adaptive Gaussian mixture model. This model took into account intrascale dependencies between wavelet coefficients and it was adaptive to the wavelet subbands corresponding to three orientations in the image. Based on this model in a Bayesian framework, a spatially adaptive Bayesian shrinkage function was obtained and each modified coefficient was decided separately. Experimental results demonstrate this method improves the denoising performance and preserves the details of the image.

Key words: information processing technology, image denoising, wavelet transform, adaptive Gaussian mixture model

中图分类号:

TN919.73

崔艳秋；王珂；孙巍. 基于小波域自适应高斯混合模型的图像去噪方法[J]. 吉林大学学报(工学版), 2006, 36(06): 983-0988.

Cui Yan-qiu；Wang Ke；Sun Wei. Image denoising method based on adaptive Gaussian mixture
model in wavelet domain[J]. 吉林大学学报(工学版), 2006, 36(06): 983-0988.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed