基于Cauchy分布模型与NSST变换的图像去噪算法
非下采样Shearlet变换(NSST)具有良好的方向敏感性,各向异性以及平移不变性,是接近最优的多尺度稀疏表示方法.提出一种基于先验柯西(Cauchy)模型的NSST域图像去噪方法,利用Cauchy分布对NSST变换域子带系数概率分布进行拟合,作为先验分布模型,再通过最大后验概率(MAP)方法估计不含噪声的系数.该方法不但保留了传统统计模型去噪方法中的优点,还通过对NSST具有更好拟合效果的柯西分布模型作为先验的概率分布模型,使估计出的系数更接近于原始图像的系数.大量仿真实验验证了所提出方法的有效性.
非下采样Shearlet、Cauchy分布模型、最大后验概率、图像去噪
40
TP391(计算技术、计算机技术)
国家自然科学基金资助项目41671439 ,61402214;高等学校博士学科点专项科研基金资助项目20132136110002;大连市科学技术基金资助项目2013J21DW027
2017-10-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
324-331
