采用子带分量阈值估计的红外图像去噪方法
针对红外图像噪声来源复杂且干扰严重,传统的小波阈值方法噪声方差估计偏差较大的问题,提出了一种基于二维经验模态分解(BEMD)子带阈值估计的红外图像去噪方法.通过将噪声图像进行BEMD分解得到二维的内蕴模函数(BIMF)子带,利用高斯混合模型计算各子带噪声方差.由于噪声估计仅考虑噪声系数,减少了特征分量的影响,获得的阈值更准确,再通过自适应算法分别设定各子带阈值将噪声滤除.实验结果表明,该方法避免了硬阈值函数不连续和软阈值函数偏差较大的缺点,图像整体比较清晰,改善了视觉效果.与传统去噪方法相比,其均方误差(MSE)低,峰值信噪比(PSNR)提高了0.5 dB～3 dB,主客观评价均优于其他去噪方法,且当噪声方差加大后优势更加明显.
图像处理、红外图像、二维经验模态分解、阈值去噪、高斯混合模型、内蕴模函数
41
TP391.41(计算技术、计算机技术)
国家自然科学基金61261028
2014-09-09（万方平台首次上网日期，不代表论文的发表时间）
224-231
