基于CHMM的尖锐频率局部化Contourlet域图像去噪

提出了一种基于上下文信息隐马尔科夫模型（CHMM）的尖锐频率局部化Contourlet域图像去噪方法。首先，对噪声图像进行循环平移操作，再利用尖锐频率局部化Contourlet变换对平移后的图像进行分解，解决了原始Contourlet变换频率非局部化及缺乏平移不变性的问题，抑制图像在奇异点处产生的伪吉布斯现象。然后，设计一种新的上下文构造方案，针对图像高频子带系数构建CHMM进行去噪处理。最后，执行尖锐频率局部化Contourlet逆变换以及逆向循环平移操作获得最终的去噪图像。文中方法采用有效的变换机制并利用上下文信息构建了一个全面的统计相关模型，充分表达了轮廓波高频子带系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性，更加有利于图像的去噪处理。实验结果表明：该方法在提高去噪图像PSNR值的同时进一步改善了其视觉效果，去噪性能优于基于小波变换和原始Contourlet变换的去噪方法。