二维经验模态分解域的新型HMT模型图像去噪

• 作者: 吴昌健
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 图像去噪 二维经验模态分解 隐马尔可夫树 参数估计
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 技术与方法
• 页码范围: 89-91,94
• 页数: 4页
• 分类号: TN911.73
• 字数: 2836字
• 语种: 中文

摘要

二维经验模态分解(Bidimensional Empirical Mode Decompositio,BEMD)是一种优秀的多尺度几何分析工具,特别适用于非线性、非平稳信号的分析处理.以BEMD与新型隐马尔可夫树(Hidden Markov Tree,HMT)模型理论为基础,提出了一种基于BEMD的新型HMT模型的图像去噪算法.该算法的基本思想是,首先对含噪图像进行BEMD变换,然后采用新型HMT模型对BEMD系数进行建模,并通过期望最大(EM)算法对图像BEMD的HMT模型参数进行估计,最后对训练后的BEMD系数进行逆变换,以获得去噪图像.仿真实验结果表明,该算法不仅拥有较强的抑制噪声能力,而且具有较好的边缘保护能力,其整体性能优于现有HMT图像去噪方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴昌健	辽宁师范大学计算机与信息技术学院	3	3	1.0	1.0