[发明专利]基于Contourlet域多状态HMT模型的含噪图像增强方法

权利要求书

1.一种基于Contourlet域多状态HMT模型的含噪图像增强方法，其特征在于，包括如下步骤：

(1)输入大小为M×N的含噪图像im₀(m，n)，其中1≤m≤M，1≤n≤N，M和N均为大于1的自然数，初始化计数量tem=0，行位移量u=1，列位移量v=1；

(2)计数量递增，即tem=tem+1，对含噪图像im₀(m，n)进行(u，v)步循环平移，得到循环平移后的含噪图像im_tem(m，n)；

(3)对循环平移后的含噪图像im_tem(m，n)进行L层Contourlet变换，得到低频子带系数Y_A和高频方向子带系数其中0≤l≤L-1，1≤k≤k_l，k_l表示在尺度2^-l上的高频方向子带的数目，i∈{1，2，3，...，Q}为Contourlet域系数四叉树的索引标记，Q为Contourlet域系数四叉树上待观察系数的数目，L为3～5，L为自然数；

(4)采用期望最大化算法对步骤(3)得到的高频方向子带系数进行训练，得到确定的Contourlet域多状态HMT模型参数向量Θ，式中P_0，k为Contourlet域系数四叉树根节点的隐状态概率密度向量，为高频方向子带系数的隐状态概率，S为隐状态变量，隐状态的类别数取为5，分别对应Contourlet域系数中的噪声、近噪声、弱边缘、近强边缘和强边缘成分，有{S|S=r，r∈{0，1，2，3，4}}，ε_l，k为尺度l上第k个高频方向子带系数的状态转移概率矩阵，σ_l，k和μ_l，k分别为尺度l上第k个高频方向子带系数的标准差和均值向量；

(5)利用步骤(4)得到Contourlet域多状态HMT模型参数向量Θ，对高频方向子带系数进行增强；

(6)对步骤(3)得到的低频子带系数Y_A和步骤(5)得到增强后的高频方向子带系数进行Contourlet逆变换，得到含噪图像im_tem(m，n)的增强图像

(7)对步骤(6)得到的含噪图像im_tem(m，n)的增强图像进行(u，v)步逆向循环平移，得到图像并对其进行存储；

(8)列位移量递增，即v=v+1，如果v<=8，转步骤(2)，否则转步骤(9)；

(9)行位移量递增，即u=u+1，如果u<=8，转步骤(2)，否则转步骤(10)；

(10)计算并得到输出含噪图像im₀(m，n)的增强图像即

im0E(m,n)=164Σtem=164imtemE(m,n).]]>

2.如权利要求1所述的一种基于Contourlet域多状态HMT模型的含噪图像增强方法，其特征在于：其中步骤(5)所述的利用Contourlet域多状态HMT模型参数向量Θ，对高频方向子带系数进行增强，具体按如下过程进行：

1)利用高频方向子带系数的隐状态概率将区分为五种类别，有

2)利用增益规则公式，对获得了类别属性的高频方向子带系数进行初始修正，即：

式中，A_i为所在高频方向子带系数的最大模值，设置a₀=0，a₁=1，a₃=2，a₂(·)为非线性增益函数，有：

a2(Yl,ki/Ai)=11+e(-t·Yl,ki)/Ai-11+e(t·Yl,ki)/Ai;]]>

式中，参数t用于控制含噪图像增强的程度，设置参数t=6，e为自然常数，e=2.71828；

3)利用高频方向子带系数的隐状态概率和步骤2)中得到的高频方向子带系数的初始修正结果计算增强后高频方向子带系数即

Zl,ki=Σr=04P(S=r|Yl,ki)·(σl,k)2-(σl,kN)2(σl,k)2·Xl,ki;]]>

式中，是尺度l上第k个高频方向子带的噪声系数的标准差，并且通过蒙特卡罗方法获得。