● 摘要
图像在采集、获取以及传输的过程中，往往要受到噪声的污染，比如天文图像、医学图像、遥感图像、计算机视觉等等，被噪声污染了的图像叫做含噪图像。 噪声是影响图象质量的主要因素，极大影响了人们从图像中提取信息，因此，非 常有必要在分析和利用图像之前消除噪声 。Daubechies和Meyer等学者把连续小波变换的理论与框架理论相结合定义了小波框架。如今的框架己经广泛应用于信号分析、图象 处理、数值计算、Banach空间理论等理论和应用领域的研究。在本文中，研究了小波框架和隐马尔可夫模型，提出了基于框架域的隐马尔可夫模型， 基于框架域的局部背景隐马尔可夫模型和基于框架域子带间局部隐马尔可夫模型。 这三种模型都能很好地捕捉小波框架系数的“聚集”特性。 基于框架域隐马尔可夫模型不仅能描述单个小波框架系数的统计特性， 而且能“捕获”尺度间系数的相关性。 基于框架域的局部背景隐马尔可夫模型能够同时捕捉尺度间和尺度内系数的相关性。 基于框架域子带间局部隐马尔可夫模型很好地捕捉了尺度内小波框架系数的“聚集” 特性，尺度间小波框架系数的非高斯分布及持续性。而且也能捕捉方向间小波框架系数的 相关性。本文利用这三种模型进行图像去噪，提出新的去噪算法。 实验仿真表明，本文提出的去噪方法取得了较高的峰值信噪比, 同时图像的主观去噪效果也有所提高。