-
题名系数多状态关联的图像NSST-HMT模型
被引量：2
- 1
-
-
作者
王相海
赵晓阳
朱毅欢
宋若曦
宋传鸣
-
机构
辽宁师范大学计算机与信息技术学院
辽宁师范大学自然地理与空间信息科学辽宁重点实验室
-
出处
《中国科学：信息科学》
CSCD
北大核心
2019年第6期708-725,共18页
-
基金
国家自然科学基金(批准号:41671439,61402214)
辽宁省高等学校创新团队支持计划(批准号:LT2017013)
+1 种基金
大连市青年科技之星项目支持计划项目(批准号:2015R069)
南京大学计算机软件新技术国家重点实验室开放课题项目(批准号:KFKT2018B07)资助
-
文摘
近年来,非下采样Shearlet变换(non-subsampled shearlet transform, NSST)因其具有各向异性,多方向捕捉性的同时,还兼具平移不变性,从而在图像恢复过程中发挥着重要的稳定作用.本文首先对图像NSST子带内系数关系、子带间系数的'父子关系'和'兄弟关系' 3方面进行分析,获得子带内系数具有稀疏性、子带间'父子关系'和'兄弟关系'系数均具有聚集性和传递性的结论.在此基础上提出一种基于系数多状态关联的隐Markov树模型(multi-state non-subsampled shearlet transform hidden Markov tree, M-NSST-HMT),该模型通过将NSST子带间系数的'父子关系'和'兄弟关系'作为共同指导子带间系数传递的状态来估计重构系数,并利用两种状态关联的互信息来对重构系数进行整合.最后将所提出的模型应用于图像去噪并取得良好的去噪效果,结果表明所提出的模型较传统HMT模型能够更好地揭示图像NSST变换后子带内和子带间系数的关系,并提高系数的预测准确性.
-
关键词
非下采样剪切波变换
混合Gauss模型
隐Markov树模型
系数多状态关联
图像去噪
支持向量机
-
Keywords
non-subsampled shearlet transform
Gaussian mixture model
hidden Markov tree model
multi-state coefficients association
image denoising
support vector machine
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
