非子采样Contourlet变换系数统计建模及图像去噪应用
融合拉普拉斯分布及广义高斯分布模型对非子采样Contourtet变换(NSCT)系数进行了统计建模分析.研究发现,NSCT作为平移不变Contourlet变换,系数在不同尺度和方向上均存在较大冗余,在广义高斯分布性等方面需引入参数加以约束.根据建立的统计模型进行了医学图像去噪实验.结果表明,和Contourlet及NSCT软硬阈值去噪等比较,该建模方法提高了噪声估计精度,增加了峰值信噪比,改善了图像视觉效果.
图像处理、Contourlet变换、高斯混合模型、图像去噪
47
O436(光学)
重庆市自然科学基金;重庆师范大学项目
2011-05-16(万方平台首次上网日期,不代表论文的发表时间)
58-62