本文提出了一种可靠的图像去噪算法,基于观察图像是期望图像叠加了不规则噪声的假设,用有限高斯混合分布(FNM)描述期望图像分解小波系数(WC)的先验分布,用隐马尔可夫模型(HMM)描述同一方向不同分解级之间的小波系数的依赖关系,采用Baye...本文提出了一种可靠的图像去噪算法,基于观察图像是期望图像叠加了不规则噪声的假设,用有限高斯混合分布(FNM)描述期望图像分解小波系数(WC)的先验分布,用隐马尔可夫模型(HMM)描述同一方向不同分解级之间的小波系数的依赖关系,采用Bayes准则,根据期望图像的后验分布(以观测图像为条件)所对应的HMM模型的条件概率,用EM(expectation maximization)优化算法,获得MAP(maximization a posteriori)准则下的去噪图像。针对银基触头材料表面形貌去噪对几种算法作定性比较,并对去噪性能给出定量分析,仿真结果表明,此方法有效去除噪声的同时,能保留原始图像的细节信息。展开更多
文摘本文提出了一种可靠的图像去噪算法,基于观察图像是期望图像叠加了不规则噪声的假设,用有限高斯混合分布(FNM)描述期望图像分解小波系数(WC)的先验分布,用隐马尔可夫模型(HMM)描述同一方向不同分解级之间的小波系数的依赖关系,采用Bayes准则,根据期望图像的后验分布(以观测图像为条件)所对应的HMM模型的条件概率,用EM(expectation maximization)优化算法,获得MAP(maximization a posteriori)准则下的去噪图像。针对银基触头材料表面形貌去噪对几种算法作定性比较,并对去噪性能给出定量分析,仿真结果表明,此方法有效去除噪声的同时,能保留原始图像的细节信息。
