非子采样Contourlet 变换系数统计建模及图像去噪应用

融合拉普拉斯分布及广义高斯分布模型对非子采样Contourlet 变换(NSCT)系数进行了统计建模分析。研究发现,NSCT作为平移不变Contourlet 变换,系数在不同尺度和方向上均存在较大冗余,在广义高斯分布性等方面需引入参数加以约束。根据建立的统计模型进行了医学图像去噪实验。结果表明,和Contourlet 及NSCT软硬阈值去噪等比较,该建模方法提高了噪声估计精度,增加了峰值信噪比,改善了图像视觉效果。