基于matlab的图像去噪论文,matlab处理图像降噪

　　【图像去噪】基于隐马尔可夫模型的图像去噪，带matlab代码_ MATLAB仿真技术博客_博客

　　1引言隐马尔可夫模型(HMM)是一种用参数表示的概率模型，用于描述随机过程的统计特征。它是由马尔可夫链演变而来的。HMM是一个两层模型[6]。第一层是状态转移过程，用一阶离散马尔可夫过程描述，用状态转移矩阵表示，满足马尔可夫假设。另一层是可见随机过程的状态(或状态跳变)生成观测向量的过程，用观测向量的概率分布来表示。对于任何一个随机事件，如图1所示，都有一组观测序列O1，O2，…，OT，并且事件还隐含着一个状态序列Q1，Q2，…，QT。虚线上方是随机事件状态的转移，用转移矩阵描述，满足马尔可夫性。虚线下面是可用的观察值，它们满足输出独立性假设。1998年，Crouse和Nowak扩展了隐马尔可夫链结构，并将小波变换与多尺度马尔可夫模型相结合，提出了小波域的隐马尔可夫树模型。HMT模型可以看作是一个树状的HMM模型，因此可以很好地描述小波系数的统计特性。目前，它已广泛应用于信号检测与估计、图像去噪和图像分割等领域。

　　2部分代码% load lena512

　　pepper=im read( peppers . png )；

　　胡椒=双(胡椒)/256；

　　西格玛=0.1；%噪声标准偏差

　　hh=daubcqf(4)；%小波滤波器

　　x=胡椒sigma*randn(大小(胡椒))；

　　disp([噪声图像的PSNR是 num2str(psnr(pepper，x)) dB ])；

　　y=hdenoise(x，hh)；

　　disp([去噪图像的PSNR是 num2str(psnr(pepper，y)) dB ])；

　　图(1)；

　　支线剧情(121)

　　图像(x * 255 1)；

　　色彩映射表(灰色(256))；

　　轴正方形；

　　标题(“嘈杂的图像”)；

　　支线剧情(122)

　　图像(y * 255 1)；

　　色彩映射表(灰色(256))；

　　轴正方形；

　　标题(“去噪图像”)；

　　3运行结果

　　4参考文献[1]王希元。快速小波域隐马尔可夫模型图像去噪[J].宁夏大学学报：自然科学版，2003，24(4):4。

　　博主：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等领域的Matlab仿真。相关matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权，联系博主删除。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。