基于小波域分类隐马尔可夫树模型的图像去噪

被引：7

作者：

苏涛

张登福

毕笃彦

机构：

[1] 空军工程大学航空电子工程系

[2] 空军工程大学航空电子工程系陕西西安

[3] 陕西西安

来源：

红外与激光工程 | 2005年 / 02期

关键词：

CHMT模型; 去噪; EM算法; 初始化;

D O I：

暂无

中图分类号：

TN911.73 [图像信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

为适应图像的空域非平稳变化,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像去噪方法。该模型中,图像在每一尺度每一子带的小波系数均被分成C组以突出其空域非平稳变化的特征,这样原来的一棵小波四叉树被分成了C棵具有不同HMT参数的小波四叉树,再经过合理的初始化和期望最大化(EM)算法训练参数,反变换恢复。实验结果表明,与已有方法相比,该方法在不增加计算量的前提下,明显改善了所恢复图像的质量(PSNR)。

引用

页码：232 / 235

页数：4

共 6 条

[1]

Wavelet-basedstatisticalsignalprocessingusinghiddenMarkovmodels. CrouseMS,NowakRD,BaraniukRC. IEEETransSignalProcessing . 1998

[2]

Wavelet-basedstatisticalimageprocessingusingHiddenMarkovTreemodel. FanG,XiaX-G. Proceedings34thAnnualConfer-enceonInformationSciencesandSystems . 2000

[3]

Adaptingtounknownsmoothnessviawav-eletshrinkage. DonohoD,JohnstoneI. . 1995

[4]

Bayesiantreestructuredimagemodelingusingwavelet-domainhiddenMarkovmodels. RombergJK,HyeokhoChoi,BaraniukRG. IEEETransImageProcessing . 2001

[5]

A tutorial on hidden markov models and selected applications in speech recognition. Rabiner L R. Proceedings of Tricomm . 1989

[6]

Aninequalitywithapplicationstostatis-ticalestimationforprobabilisticfunctionsofMarkovprocessesandtoamodelforecology. BaumLE,,EagonJA. BulletinofAmericanMathematicalSta-tistics . 1967

← 1 →