基于图像局域特性的自适应贝叶斯小波收缩去噪算法(英文)  

Adaptive Bayesian Wavelet Shrinkage Denoising Based on the Neighbourhood Characteristic

作　　者：欧阳晶[1] 汪胜前[2] 薛琴[1] 

机构地区：[1]江西师范大学物理与通信电子学院,江西南昌330027 [2]江西科技师范学院应用物理系,江西南昌330013

出　　处：《江西师范大学学报（自然科学版）》2006年第2期110-112,共3页Journal of Jiangxi Normal University(Natural Science Edition)

基　　金：国家自然科学基金(60462003);江西省自然科学基金(0412008)资助项目.

摘　　要：在小波去噪过程中,对小波系数进行统计建模,去噪效果会得到较大的改进.该文在贝叶斯萎缩去噪的基础上,提出了基于图像局域特性自适应阈值去噪算法.实验结果表明:新的算法比传统的算法能更有效地去除噪声,获得更高的PSNR.同时,图像中的边缘也保护得更好.The performance of image denoising algorithms using wavelet shrinkage can be improved significantly by taking into account the statistical dependencies among wavelet coefficients. In this paper, based on the BayesShrink denoising, we propose a new intra-scale adaptive thresholding algorithm. Experiment results show the new algorithm is superior to the classical wavelet shrinkage methods, receives higher PSNR and gets better edge preservation.

关 键 词：小波去噪 贝叶斯统计模型 层内特性 

分 类 号：TN911.73[电子电信—通信与信息系统]