基于马尔科夫专家场的泊松噪声图像去噪方法

摘要：

提出一种基于贝叶斯概率模型的泊松噪声图像去噪方法.该方法基于贝叶斯最大后验概率模型框架,结合泊松概率分布,构建图像去噪模型.考虑到马尔科夫随机场不能对复杂自然图像有效表征,引入高阶的马尔科夫专家场作为模型先验正则项,以表征图像自身概率分布.利用二次惩罚函数,优化求解去噪模型,还原清晰图像.将所提方法与其他去噪算法进行仿真实验对比,并采用峰值信噪比和结构相似性2种评价指标对去噪效果进行客观评价.实验结果表明:与传统去噪方法相比,该方法的峰值信噪比至少提升了0.18 dB,去噪性能显著优于其他方法,能更好地保留图像的细节信息.

关键词：泊松噪声、马尔科夫专家场、正则化、图像去噪、二次惩罚函数

所属期刊栏目：54

分类号：TN911.73

资助基金：国家自然科学基金资助项目;南京航空航天大学新教师工作启动基金资助项目;南京航空航天大学青年科技创新基金资助项目;南京航空航天大学创新基地实验室开放基金资助项目

在线出版日期：2020-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1164-1169