基于小波域HMT模型的图像去噪研究  

Study of Image Denoising Based on Wavelet Domain HMT Model

作　　者：李文鑫[1] 陈静[1] 范文兵[2] 

机构地区：[1]许昌学院,河南许昌461000 [2]郑州大学信息工程学院,河南郑州450052

出　　处：《现代电子技术》2009年第6期110-112,115,共4页Modern Electronics Technique

基　　金：河南省教育厅自然科学研究资助项目(2008A510013);许昌学院校内科研基金资助项目(2008113)

摘　　要：研究小波域隐式马尔可夫模型树(HMT),提出了一种基于小波域HMT模型抑制高斯白噪声的改进图像去噪算法。首先将噪声图像沿水平、垂直及对角方向进行平移变换;然后对平移后的图像进行小波变换,建立其对应的小波域HMT型,分别进行去噪处理,最后取所有去噪图像的均值作为最终的去噪图像。在仿真实验中,对不同程度污染下高斯白噪声的Lena图像分别采用该文算法、小波域硬阈值与软阈值去噪进行比较。结果表明,该文算法很好地保留了图像的细节和边缘信息;提高了图像的峰值信噪比;抑制了Gibbs效应;具有较好的去噪效果。通过实验仿真可以看出,这种方法较好地去除了白噪声;提高了图像的峰值信噪比;较好地保存了图像的边缘和细节信息;抑制了振铃现象。Wavelet- domain Hidden Markov Tree（HMT） is studied and an advanced method suppressing Gaussian noise based on wavelet- domain HMT proposed in the text. Shifting the image horizontally,vertically and diagonally first, then using the Hidden Markov Tree model （HMT） to characterize the wavelet coefficients of shifted image and denoise. Finally the average of all the denoised image is chosen as the last denoised image. The effectiveness of the method is demonstrated by using numerical simulation in the image of Lena. Compared with wavelet - domain hard and soft threshold denoising method in- to different white- Gaussian noise image,the simulation results show that the method can wipe off the white noise better and increase the PSNR while containing the detail of the image edge and weakening the Gibbs effectively.

关 键 词：图像去噪 隐马尔可夫树模型 小波变换 白噪声 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]