目錄
1.算法概述
2.仿真效果預覽
3.MATLAB部分代碼預覽
4.完整MATLAB程式
1.算法概述
為适應圖像的空域非平穩變化, 提出了一種基于小波域分類隐馬爾可夫樹(CHMT)模型的圖像去噪方法.該模型中,圖像在每一尺度每一子帶的小波系數均被分成C組以突出其空域非平穩變化 的特征,這樣原來的一棵小波四叉樹被分成了C棵具有不同HMT參數的小波四叉樹,再經過合理的初始化和期望最大化(EM)算法訓練參數,反變換恢複.實驗 結果表明,與已有方法相比,該方法在不增加計算量的前提下,明顯改善了所恢複圖像的品質(PSNR).
采用基于小波域隐馬爾可夫樹模型(HMT)對紋理進行分析,并有機地結合遙感圖像的要求和特點進行深入研究。由于小波系數不滿足高斯分布,在同尺度内和尺度間都表現為一種潛在的依賴關系,是以小波域HMT模型較準确地揭示了小波系數間的這些依賴關系。
在馬爾可夫模型中，每個狀态代表了一個可觀察的事件，是以，馬爾可夫模型有時又稱作可視馬爾可夫模型（visibleMarkovmodel，VMM），這在某種程度上限制了模型的适應性。
對于盲人來說也許不能夠直接擷取到天氣的觀察情況，但是他可以通過觸摸樹葉通過樹葉的幹燥程度判斷天氣的狀态。于是天氣就是一個隐藏的狀态，樹葉的幹燥程度是一個可觀察的狀态，于是我們就有了兩組狀态，一個是不可觀察、隐藏的狀态（天氣），一個是可觀察的狀态（樹葉），我們希望設計一種算法，在不能夠直接觀察天氣的情況下，通過樹葉和馬爾可夫假設來預測天氣。
以此為例，一個一階的馬爾可夫過程描述：
在隐馬爾可夫模型（HMM）中，我們不知道模型具體的狀态序列，隻知道狀态轉移的機率，即模型的狀态轉換過程是不可觀察的。
隐馬爾可夫模型是馬爾可夫鍊的一種，它的狀态不能直接觀察到，但能通過觀測向量序列觀察到，每個觀測向量都是通過某些機率密度分布表現為各種狀态，每一個觀測向量是由一個具有相應機率密度分布的狀态序列産生。是以，隐馬爾可夫模型是一個雙重随機過程----具有一定狀态數的隐馬爾可夫鍊和顯示随機函數集。自20世紀80年代以來，HMM被應用于語音識别，取得重大成功。到了90年代，HMM還被引入計算機文字識别和移動通信核心技術“多使用者的檢測”。HMM在生物資訊科學、故障診斷等領域也開始得到應用。
2.仿真效果預覽
matlab2022a仿真
3.MATLAB部分代碼預覽
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
load lena;
sigma = 0.1; %noise standard deviation
hh = daubcqf(4); %wavelet filter
x = lena + sigma*randn(size(lena));
disp(['PSNR of noisy image is ' num2str(psnr(lena,x)) 'dB']);
y=hdenoise(x,hh);
disp(['PSNR of denoised image is ' num2str(psnr(lena,y)) 'dB']);
figure(1);
image(x*255+1);
colormap(gray(256));
axis square;
title('Noisy image');
figure(2);
image(y*255+1);
colormap(gray(256));
axis square;
title('Denoised image');
A_013
4.完整MATLAB程式
matlab源碼說明_我愛C程式設計的部落格-CSDN部落格
V