MATLAB图像去噪系统：贝叶斯最小二乘高斯尺度混合（BLS-GSM）实现

资 源 简 介

本MATLAB项目实现了基于BLS-GSM算法的图像去噪系统。通过对小波域噪声进行统计建模，结合贝叶斯最小二乘估计，有效去除加性高斯噪声同时保留图像细节结构。提供完整的算法实现和测试示例。

详 情 说 明

基于贝叶斯最小二乘-高斯尺度混合模型的图像去噪系统

项目介绍

本项目实现了一种先进的图像去噪算法——贝叶斯最小二乘高斯尺度混合（BLS-GSM）。该算法通过在小波域构建多尺度高斯混合模型对图像噪声进行精确统计建模，结合贝叶斯估计理论进行优化求解，能够在有效去除加性高斯噪声的同时最大程度保持图像细节和边缘特征。经过测试验证，本算法在PSNR指标和视觉主观质量上均达到商用图像处理软件水平，适用于自然图像、医学影像、卫星图像等多种场景的去噪处理。

功能特性

• 先进算法核心：采用小波多尺度分解技术与高斯尺度混合统计建模方法
• 精确贝叶斯估计：基于贝叶斯最小二乘估计优化，实现理论最优去噪效果
• 多格式支持：支持jpg、png、bmp等常见图像格式的输入输出
• 参数可配置：支持噪声标准差估计值、小波基类型、分解层数等参数灵活调整
• 全面评估输出：提供去噪后的高质量图像及PSNR、SSIM等客观质量指标
• 性能分析：输出噪声估计结果和算法运行时间统计，便于性能分析

使用方法

1. 准备输入图像：将待去噪的灰度图像放置在指定目录
2. 设置参数（可选）：

- 噪声标准差估计值（如不指定则自动估计） - 小波基类型（默认为Daubechies 8） - 小波分解层数（默认为4层）

1. 运行主程序：执行主函数开始去噪处理
2. 获取结果：程序输出去噪后的图像及质量评估报告

系统要求

• MATLAB R2018a或更高版本
• Image Processing Toolbox
• 支持的操作系统：Windows/Linux/macOS
• 内存建议：4GB以上（处理高分辨率图像时需要更大内存）

文件说明

主程序文件实现了系统的核心功能，包括图像读取与预处理、小波多尺度分解、高斯尺度混合模型参数估计、贝叶斯最小二乘去噪计算、图像重构与质量评估等完整处理流程。该文件整合了噪声统计建模和贝叶斯估计优化算法，能够根据用户参数自动完成从噪声分析到高质量图像输出的全自动处理，并生成详细的质量评估报告。