Waveletbasedimagedenoising

(小波域圖像去噪)PengSilong2009.04.24Waveletbasedimagedenoising

1OutlineMathematicalmodelofdenoisingandMAPframeworkWaveletdomainWienermethodWaveletdomainuniformshrinkagedenoisingAdaptivewaveletdomainshrinkagedenoisingHMTbaseddenoisingmethodOutlineMathematicalmodelofd2Waveletbasedimagedenoising小波域圖像去噪課件3MathematicalmodelMathematicalmodel4MAPframeworkMAPframework5Waveletbasedimagedenoising小波域圖像去噪課件6WaveletdomainmethodWaveletdomainmethod7WaveletdomainWienerfilteringWaveletdomainWienerfilterin8ParameterestimatingParameterestimating9Waveletdomainuniformshrinkage(Donoho)Waveletdomainuniformshrinka10ParameterestimatingParameterestimating11SomeresultsaboutuniformshrinkageSomeresultsaboutuniformshr12Adaptivewaveletdomainshrinkage(Chang,Yu,Vetterli)Adaptivewaveletdomainshrink13Waveletbasedimagedenoising小波域圖像去噪課件14Waveletbasedimagedenoising小波域圖像去噪課件15Waveletbasedimagedenoising小波域圖像去噪課件16Waveletbasedimagedenoising小波域圖像去噪課件17Waveletbasedimagedenoising小波域圖像去噪課件18小波域統計圖像模型Lena圖像在空間域和小波域的直方圖比較小波域統計圖像模型Lena圖像在空間域和小波域的直方圖比較19Waveletbasedimagedenoising小波域圖像去噪課件20Waveletbasedimagedenoising小波域圖像去噪課件21Waveletbasedimagedenoising小波域圖像去噪課件22Waveletbasedimagedenoising小波域圖像去噪課件23小波域統計圖像模型尺度內模型（Intrascalemodel）尺度間模型（Interscalmodel）結合尺度間與尺度內的混合模型小波域統計圖像模型尺度內模型（Intrascalemode24尺度內模型廣義高斯模型廣義拉普拉斯模型高斯混合模型尺度內模型廣義高斯模型25尺度內模型高斯尺度混合模型其中：U為零均值高斯向量，Z是一個獨立的正的乘量，X是高斯向量的無窮混合。尺度內模型高斯尺度混合模型其中：U為零均值高斯向量，Z是一個26尺度間模型隱馬爾可夫樹（HMT）模型（Crouse1998）雙變量模型（Sendur2002）尺度間模型隱馬爾可夫樹（HMT）模型（Crouse1998）27結合尺度內與尺度間的混合模型條件高斯模型結合尺度內與尺度間的混合模型條件高斯模型28小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（一）自然圖象小波變換的兩個性質非高斯分布特性：小波系數的邊緣分布呈現出非高斯特性，即呈現出“尖峰長尾”的狀態。保持性：在空間同一位置，小波系數“大”或“小”的狀態具有在尺度間傳遞的特性。小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（一）29小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（二）子帶系數的高斯混合模型小波系數及其隱狀態的四叉樹模型Crouse提出的小波域HMT模型小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（二）30小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（三）小波域HMT模型的參數小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（三）31小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（四）HMT模型參數的訓練小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（四）32小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（五）HMT模型參數訓練存在的問題參數訓練過程復雜：Top-Down(EM)計算量大基于HMT模型的降噪算法小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（五）33小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）小波域HMT模型參數的快速估計小波系數的分類模型參數的快速估計小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）34小波系數的分類閾值選取小波系數的分類閾值選取35模型參數的快速估計閾值分類模型參數的快速估計閾值分類36小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）小波域HMT模型參數的快速估計小波系數的分類模型參數的快速估計小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）37模型參數的快速估計節點的狀態概率節點的狀態轉移概率節點的方差模型參數的快速估計節點的狀態概率38小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（七）Gibbs效應的消除首先對原始觀測圖像進行水平、垂直和對角方向平移得到三幅平移后的圖像；然后，對這些圖像分別按上述算法進行降噪；最后，將這些降噪圖像對準后進行平均就可以得到Gibbs效應已大大減弱了的降噪圖像小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（七）39小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十）實驗結果（PSNR：20.0034

30.3782）小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十）40小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十一）實驗結果（PSNR：20.010728.2667）小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十一41小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十二）實驗結果分析（PSNR：19.986225.3904）小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十二42小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十三）實驗結果分析（PSNR：20.025523.9246）小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（十三43Waveletbasedimagedenoising小波域圖像去噪課件44Stationarywavelettransform

(undecimatedwavelet)TimeinvariantwaveletátrouswaveletUndecimatedwaveletStationarywaveletStationarywavelettransform

(45Stationarywavelettransform

A3levelSWTfilterbankSWTfiltersStationarywavelettransform46Waveletbasedimagedenoising

(小波域圖像去噪)PengSilong2009.04.24Waveletbasedimagedenoising

47OutlineMathematicalmodelofdenoisingandMAPframeworkWaveletdomainWienermethodWaveletdomainuniformshrinkagedenoisingAdaptivewaveletdomainshrinkagedenoisingHMTbaseddenoisingmethodOutlineMathematicalmodelofd48Waveletbasedimagedenoising小波域圖像去噪課件49MathematicalmodelMathematicalmodel50MAPframeworkMAPframework51Waveletbasedimagedenoising小波域圖像去噪課件52WaveletdomainmethodWaveletdomainmethod53WaveletdomainWienerfilteringWaveletdomainWienerfilterin54ParameterestimatingParameterestimating55Waveletdomainuniformshrinkage(Donoho)Waveletdomainuniformshrinka56ParameterestimatingParameterestimating57SomeresultsaboutuniformshrinkageSomeresultsaboutuniformshr58Adaptivewaveletdomainshrinkage(Chang,Yu,Vetterli)Adaptivewaveletdomainshrink59Waveletbasedimagedenoising小波域圖像去噪課件60Waveletbasedimagedenoising小波域圖像去噪課件61Waveletbasedimagedenoising小波域圖像去噪課件62Waveletbasedimagedenoising小波域圖像去噪課件63Waveletbasedimagedenoising小波域圖像去噪課件64小波域統計圖像模型Lena圖像在空間域和小波域的直方圖比較小波域統計圖像模型Lena圖像在空間域和小波域的直方圖比較65Waveletbasedimagedenoising小波域圖像去噪課件66Waveletbasedimagedenoising小波域圖像去噪課件67Waveletbasedimagedenoising小波域圖像去噪課件68Waveletbasedimagedenoising小波域圖像去噪課件69小波域統計圖像模型尺度內模型（Intrascalemodel）尺度間模型（Interscalmodel）結合尺度間與尺度內的混合模型小波域統計圖像模型尺度內模型（Intrascalemode70尺度內模型廣義高斯模型廣義拉普拉斯模型高斯混合模型尺度內模型廣義高斯模型71尺度內模型高斯尺度混合模型其中：U為零均值高斯向量，Z是一個獨立的正的乘量，X是高斯向量的無窮混合。尺度內模型高斯尺度混合模型其中：U為零均值高斯向量，Z是一個72尺度間模型隱馬爾可夫樹（HMT）模型（Crouse1998）雙變量模型（Sendur2002）尺度間模型隱馬爾可夫樹（HMT）模型（Crouse1998）73結合尺度內與尺度間的混合模型條件高斯模型結合尺度內與尺度間的混合模型條件高斯模型74小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（一）自然圖象小波變換的兩個性質非高斯分布特性：小波系數的邊緣分布呈現出非高斯特性，即呈現出“尖峰長尾”的狀態。保持性：在空間同一位置，小波系數“大”或“小”的狀態具有在尺度間傳遞的特性。小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（一）75小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（二）子帶系數的高斯混合模型小波系數及其隱狀態的四叉樹模型Crouse提出的小波域HMT模型小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（二）76小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（三）小波域HMT模型的參數小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（三）77小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（四）HMT模型參數的訓練小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（四）78小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（五）HMT模型參數訓練存在的問題參數訓練過程復雜：Top-Down(EM)計算量大基于HMT模型的降噪算法小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（五）79小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）小波域HMT模型參數的快速估計小波系數的分類模型參數的快速估計小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）80小波系數的分類閾值選取小波系數的分類閾值選取81模型參數的快速估計閾值分類模型參數的快速估計閾值分類82小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）小波域HMT模型參數的快速估計小波系數的分類模型參數的快速估計小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（六）83模型參數的快速估計節點的狀態概率節點的狀態轉移概率節點的方差模型參數的快速估計節點的狀態概率84小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（七）Gibbs效應的消除首先對原始觀測圖像進行水平、垂直和對角方向平移得到三幅平移后的圖像；然后，對這些圖像分別按上述算法進行降噪；最后，將這些降噪圖像對準后進行平均就可以得到Gibbs效應已大大減弱了的降噪圖像小波域HMT模型參數的快速

估計及其在圖像降噪中的應用（七）85小波域HMT模型參數的快速

估計及其