基于贝叶斯神经网络先验模型的图像去噪研究

基于小波系数先验模型的图像处理方法是现代图像处理技术的重要理论框架之一。针对传统的高斯型或拉普拉斯型先验模型的统计描述精度缺陷,本文提出利用贝叶斯(Bayesian)神经网络模型对图像小波系数的统计特性进行精确建模,结合现代粒子(或Montel Carlo:MC)采样技术——Gibbs采样进行模型参数的估计,并重点考察了各尺度下的正交小波系数先验信息的建模过程,最后利用先验模型图像处理框架,实现图像的噪声抑制。仿真模拟结果表明:一方面,基于贝叶斯神经网络的小波先验模型建模准确,较好地描述了各尺度小波系数的先验信息;另一方面,从图像去噪性能来看,基于建议先验模型的图像质量在客观指标和主观视觉上都有显著的提高。