提出了一种基于小波系数统计模型的图像去噪方法。该方法利用二维广义自回归条件异方差(2D-GARCH)模型对小波系数进行建模,这种小波系数模型能够更好地利用小波系数"尖峰厚尾"的分布特性和系数间的相关性等重要特性。利用基...提出了一种基于小波系数统计模型的图像去噪方法。该方法利用二维广义自回归条件异方差(2D-GARCH)模型对小波系数进行建模,这种小波系数模型能够更好地利用小波系数"尖峰厚尾"的分布特性和系数间的相关性等重要特性。利用基于果蝇优化算法的极大似然估计(ML Estimation based on FOA)代替传统的线性规划方法求解模型参数,提高了建模的准确性。在此基础上再采用最小均方误差估计(MMSE Estimation)对未受噪声污染的原始图像的小波系数进行估计。实验结果表明,与当前主流的去噪方法相比,该算法能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR)和较好的视觉效果。展开更多
文摘提出了一种基于小波系数统计模型的图像去噪方法。该方法利用二维广义自回归条件异方差(2D-GARCH)模型对小波系数进行建模,这种小波系数模型能够更好地利用小波系数"尖峰厚尾"的分布特性和系数间的相关性等重要特性。利用基于果蝇优化算法的极大似然估计(ML Estimation based on FOA)代替传统的线性规划方法求解模型参数,提高了建模的准确性。在此基础上再采用最小均方误差估计(MMSE Estimation)对未受噪声污染的原始图像的小波系数进行估计。实验结果表明,与当前主流的去噪方法相比,该算法能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR)和较好的视觉效果。
