




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
Waveletbasedimagedenoising
(小波域圖像去噪)PengSilong2009.04.24Waveletbasedimagedenoising
1OutlineMathematicalmodelofdenoisingandMAPframeworkWaveletdomainWienermethodWaveletdomainuniformshrinkagedenoisingAdaptivewaveletdomainshrinkagedenoisingHMTbaseddenoisingmethodOutlineMathematicalmodelofd2Waveletbasedimagedenoising小波域圖像去噪課件3MathematicalmodelMathematicalmodel4MAPframeworkMAPframework5Waveletbasedimagedenoising小波域圖像去噪課件6WaveletdomainmethodWaveletdomainmethod7WaveletdomainWienerfilteringWaveletdomainWienerfilterin8ParameterestimatingParameterestimating9Waveletdomainuniformshrinkage(Donoho)Waveletdomainuniformshrinka10ParameterestimatingParameterestimating11SomeresultsaboutuniformshrinkageSomeresultsaboutuniformshr12Adaptivewaveletdomainshrinkage(Chang,Yu,Vetterli)Adaptivewaveletdomainshrink13Waveletbasedimagedenoising小波域圖像去噪課件14Waveletbasedimagedenoising小波域圖像去噪課件15Waveletbasedimagedenoising小波域圖像去噪課件16Waveletbasedimagedenoising小波域圖像去噪課件17Waveletbasedimagedenoising小波域圖像去噪課件18小波域統(tǒng)計圖像模型Lena圖像在空間域和小波域的直方圖比較小波域統(tǒng)計圖像模型Lena圖像在空間域和小波域的直方圖比較19Waveletbasedimagedenoising小波域圖像去噪課件20Waveletbasedimagedenoising小波域圖像去噪課件21Waveletbasedimagedenoising小波域圖像去噪課件22Waveletbasedimagedenoising小波域圖像去噪課件23小波域統(tǒng)計圖像模型尺度內(nèi)模型(Intrascalemodel)尺度間模型(Interscalmodel)結(jié)合尺度間與尺度內(nèi)的混合模型小波域統(tǒng)計圖像模型尺度內(nèi)模型(Intrascalemode24尺度內(nèi)模型廣義高斯模型廣義拉普拉斯模型高斯混合模型尺度內(nèi)模型廣義高斯模型25尺度內(nèi)模型高斯尺度混合模型其中:U為零均值高斯向量,Z是一個獨立的正的乘量,X是高斯向量的無窮混合。尺度內(nèi)模型高斯尺度混合模型其中:U為零均值高斯向量,Z是一個26尺度間模型隱馬爾可夫樹(HMT)模型(Crouse1998)雙變量模型(Sendur2002)尺度間模型隱馬爾可夫樹(HMT)模型(Crouse1998)27結(jié)合尺度內(nèi)與尺度間的混合模型條件高斯模型結(jié)合尺度內(nèi)與尺度間的混合模型條件高斯模型28小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(一)自然圖象小波變換的兩個性質(zhì)非高斯分布特性:小波系數(shù)的邊緣分布呈現(xiàn)出非高斯特性,即呈現(xiàn)出“尖峰長尾”的狀態(tài)。保持性:在空間同一位置,小波系數(shù)“大”或“小”的狀態(tài)具有在尺度間傳遞的特性。小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(一)29小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(二)子帶系數(shù)的高斯混合模型小波系數(shù)及其隱狀態(tài)的四叉樹模型Crouse提出的小波域HMT模型小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(二)30小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(三)小波域HMT模型的參數(shù)小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(三)31小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(四)HMT模型參數(shù)的訓(xùn)練小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(四)32小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(五)HMT模型參數(shù)訓(xùn)練存在的問題參數(shù)訓(xùn)練過程復(fù)雜:Top-Down(EM)計算量大基于HMT模型的降噪算法小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(五)33小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(六)小波域HMT模型參數(shù)的快速估計小波系數(shù)的分類模型參數(shù)的快速估計小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(六)34小波系數(shù)的分類閾值選取小波系數(shù)的分類閾值選取35模型參數(shù)的快速估計閾值分類模型參數(shù)的快速估計閾值分類36小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(六)小波域HMT模型參數(shù)的快速估計小波系數(shù)的分類模型參數(shù)的快速估計小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(六)37模型參數(shù)的快速估計節(jié)點的狀態(tài)概率節(jié)點的狀態(tài)轉(zhuǎn)移概率節(jié)點的方差模型參數(shù)的快速估計節(jié)點的狀態(tài)概率38小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(七)Gibbs效應(yīng)的消除首先對原始觀測圖像進行水平、垂直和對角方向平移得到三幅平移后的圖像;然后,對這些圖像分別按上述算法進行降噪;最后,將這些降噪圖像對準后進行平均就可以得到Gibbs效應(yīng)已大大減弱了的降噪圖像小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(七)39小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十)實驗結(jié)果(PSNR:20.0034
30.3782)小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十)40小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十一)實驗結(jié)果(PSNR:20.0107
28.2667)小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十一41小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十二)實驗結(jié)果分析(PSNR:19.9862
25.3904)小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十二42小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十三)實驗結(jié)果分析(PSNR:20.0255
23.9246)小波域HMT模型參數(shù)的快速
估計及其在圖像降噪中的應(yīng)用(十三43Waveletbasedimagedenoising小波域圖像去噪課件44Stationarywavelettransform
(undecimatedwavelet)TimeinvariantwaveletátrouswaveletUndec
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025關(guān)于企業(yè)融資合同范本
- 2024北京十一學校高一(下)期中語文試題及答案
- 汽車維修行業(yè)智能派工與預(yù)約系統(tǒng)
- 初中地理地球基本知識的梳理及學習方法指導(dǎo)方案
- 心理學基本原理試題
- 傳媒行業(yè)數(shù)字化內(nèi)容創(chuàng)作與傳播方案
- 22-26安全隱患排查制度
- 客戶服務(wù)與營銷試題
- 規(guī)范醫(yī)療文書培訓(xùn)
- 句型闖關(guān)游戲課件
- 2024年貴州省交通運輸廳所屬事業(yè)單位招聘考試真題
- 企業(yè)勞動關(guān)系課件
- 固定資產(chǎn)管理制度實施細則
- 2025年遼寧省沈陽市和平區(qū)中考零模地理試題(含答案)
- 急診科與住院部臨床科室的患者交接制度與流程
- 體育教育與學生的心理健康
- T-SDFA 048-2024 混合型飼料添加劑中二硝托胺的測定 液相色譜-串聯(lián)質(zhì)譜法
- 2024-2025學年上海市八年級語文下學期3月練習試卷附答案解析
- 2025屆山西省晉中市高三下學期適應(yīng)性訓(xùn)練考試(二模)英語試題+答案(原卷版+解析版)
- 2024年大模型+RAG最佳實踐報告
- 2025年互聯(lián)網(wǎng)信息審核員考試題庫及答案
評論
0/150
提交評論