Waveletbasedimagedenoising小波域圖像去噪課件

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(jì)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(jì)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(jì)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(jì)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(gè)獨(dú)立的正的乘量，X是高斯向量的無(wú)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(gè)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(jì)及其在圖像降噪中的應(yīng)用（一）自然圖象小波變換的兩個(gè)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(zhǎng)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(wèn)題參數(shù)訓(xùn)練過(guò)程復(fù)雜：Top-Down(EM)計(jì)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(jì)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(jì)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(jì)小波系數(shù)的分類模型參數(shù)的快速估計(jì)小波域HMT模型參數(shù)的快速

估計(jì)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(jì)閾值分類模型參數(shù)的快速估計(jì)閾值分類36小波域HMT模型參數(shù)的快速

估計(jì)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(jì)小波系數(shù)的分類模型參數(shù)的快速估計(jì)小波域HMT模型參數(shù)的快速

估計(jì)及其在圖像降噪中的應(yīng)用（六）37模型參數(shù)的快速估計(jì)節(jié)點(diǎn)的狀態(tài)概率節(jié)點(diǎn)的狀態(tài)轉(zhuǎn)移概率節(jié)點(diǎn)的方差模型參數(shù)的快速估計(jì)節(jié)點(diǎn)的狀態(tài)概率38小波域HMT模型參數(shù)的快速

估計(jì)及其在圖像降噪中的應(yīng)用（七）Gibbs效應(yīng)的消除首先對(duì)原始觀測(cè)圖像進(jìn)行水平、垂直和對(duì)角方向平移得到三幅平移后的圖像；然后，對(duì)這些圖像分別按上述算法進(jìn)行降噪；最后，將這些降噪圖像對(duì)準(zhǔn)后進(jìn)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(jì)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(jì)及其在圖像降噪中的應(yīng)用（十）實(shí)驗(yàn)結(jié)果（PSNR：20.0034

30.3782）小波域HMT模型參數(shù)的快速

估計(jì)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(jì)及其在圖像降噪中的應(yīng)用（十一）實(shí)驗(yàn)結(jié)果（PSNR：20.0107

28.2667）小波域HMT模型參數(shù)的快速

估計(jì)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(jì)及其在圖像降噪中的應(yīng)用（十二）實(shí)驗(yàn)結(jié)果分析（PSNR：19.9862

25.3904）小波域HMT模型參數(shù)的快速

估計(jì)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(jì)及其在圖像降噪中的應(yīng)用（十三）實(shí)驗(yàn)結(jié)果分析（PSNR：20.0255

23.9246）小波域HMT模型參數(shù)的快速

估計(jì)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