基于广义拉普拉斯分布的TICT域图像去噪方法

摘要

本发明公开了一种基于广义拉普拉斯分布的TICT域图像去噪方法，主要解决现有去噪方法去噪效果不佳的问题。其实现步骤是：(1)对含噪图像NI进行TICT分解；(2)对分解出的各个高频子带分别进行混合分布建模，迭代求取参数，进行平滑滤波；(3)对去噪后的子带进行TICT逆变换，得到去噪输出。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于变化检测，目标识别时对图像的预处理。

主权项

1.一种基于广义拉普拉斯分布的TICT域图像去噪方法，包括如下步骤：(1)对含噪图像NI进行TICT分解，分解层数为4，第一层分解得到8个子带，第二层分解得到8个子带，第三层分解得到4个子带，第四层分解得到4个子带，再采用绝对值中值法估计含噪图像NI的噪声noise_NI；(2)用含噪图像NI的噪声noise_NI分别估计24个高频子带的噪声方差并假设高频子带中的含噪系数y＝w+n，其中w代表高频子带中的无噪系数，n代表高频子带中的噪声系数；(3)采用阈值T分别将24个高频子带的系数分为两个集合：H₁和H₀，其中T的初始值为假设H₁为重要系数集合，H₀为不重要系数集合，求出重要系数在高频子带系数中所占比例P(H₁)和重要系数的方差(4)对重要系数集合H₁采用广义拉普拉斯分布进行建模，对不重要系数集合H₀采用零均值高斯分布进行建模，根据模型求出广义拉普拉斯分布的参数：尺度因子λ和形状因子υ，得到重要系数集合H₁的无噪系数密度函数f(w|H₀)以及不重要系数集合H₀的无噪系数密度函数f(w|H₁)；(5)根据重要系数集合H₁的无噪系数密度函数f(w|H₀)以及不重要系数集合H₀的无噪系数密度函数f(w|H₁)，求出重要系数集合H₁中含噪系数的概率P(y|H₁)以及不重要系数集合H₀中含噪系数的概率P(y|H₀)，之后通过最大后验概率准则计算含噪系数y属于重要系数集合H₁的概率P(H₁|y)；(6)比较含噪系数y属于集合H₁的概率P(H₁|y)与步骤(3)中重要系数在高频子带系数中所占比例P(H₁)，若|P(H₁)-P(H₁|y)|＜0.01，进入步骤(6)，否则令重要系数在高频子带系数中所占比例P(H₁)＝P(H₁|y)，根据P(H₁)在高频子带的系数直方图中寻找新的阈值T，返回步骤(3)；(7)根据含噪系数y属于集合H₁的概率P(H₁|y)和无噪系数的方差对高频子带进行滤波；(8)对滤波后的24个高频子带进行TICT逆变换，得到去噪图像DI。