基于Bayesian-LS-GSM模型的MATLAB图像自适应去噪系统

资 源 简 介

本项目实现Portilla等人提出的Bayesian最小二乘-高斯尺度混合(BLS-GSM)图像去噪算法。通过在子带自适应估计局部GSM模型参数，利用贝叶斯最小二乘估计器实现高效噪声去除，适用于自然图像处理。支持MATLAB环境直接部署。

详 情 说 明

基于Bayesian-LS-GSM模型的图像自适应去噪系统

项目介绍

本项目实现了J. Portilla等人提出的Bayesian最小二乘-高斯尺度混合(BLS-GSM)图像去噪算法。该算法通过在小波域进行多尺度分解，在子带内自适应估计局部高斯尺度混合(GSM)模型参数，并利用贝叶斯最小二乘估计器获得最优去噪效果。系统能够有效处理彩色和灰度图像，去除高斯噪声、椒盐噪声等多种常见噪声类型，在保持图像边缘和纹理细节的同时，达到与商业图像处理软件相当的去噪质量。

功能特性

• 先进去噪算法：采用基于小波多尺度分析的Bayesian-LS-GSM模型，实现自适应图像去噪
• 多噪声支持：有效处理高斯噪声、椒盐噪声等常见噪声类型

- 噪声标准差可手动输入或自动估计

• 图像格式兼容：

- 输入格式：JPEG、PNG、TIFF等常见图像格式 - 数据类型：uint8/uint16灰度图像或RGB彩色图像

• 参数可配置：

- 小波基类型选择（默认Symmlet-8） - 分解尺度数设置（默认4层）

• 质量评估：提供峰值信噪比(PSNR)和结构相似性(SSIM)等客观质量指标
• 可视化对比：支持原始图像、去噪图像和残差图像的三视图对比显示

使用方法

基本使用

% 读取噪声图像 noisy_img = imread('noisy_image.jpg');

% 调用去噪函数（自动估计噪声） denoised_img = main(noisy_img);

% 显示结果 imshow(denoised_img);

高级配置

% 指定噪声参数和处理选项 options.noise_std = 25; % 噪声标准差 options.wavelet_type = 'sym8'; % 小波基类型 options.decomposition_level = 4; % 分解层数

% 执行去噪处理 [denoised_img, metrics, report] = main(noisy_img, options);

% 查看质量指标 fprintf('PSNR: %.2f dBn', metrics.psnr); fprintf('SSIM: %.4fn', metrics.ssim);

输出结果

• 去噪图像：与输入图像尺寸和格式相同的去噪结果
• 质量报告：包含PSNR、SSIM等质量指标
• 处理报告：噪声估计结果、处理参数、计算时间等详细信息
• 对比可视化：原始/去噪/残差图像的并排显示

系统要求

软件环境

• MATLAB R2018b或更高版本
• Image Processing Toolbox

硬件建议

• 内存：不少于4GB（处理大图像时建议8GB以上）
• 存储空间：不少于1GB可用空间

文件说明

主函数文件实现了系统的核心处理流程，包括图像预处理、噪声参数估计、小波多尺度分解、局部高斯尺度混合模型参数估计、贝叶斯最小二乘优化去噪、小波重构以及后处理与质量评估等完整功能链。该文件作为系统的主要入口点，负责协调各算法模块的协同工作，并生成最终的去噪结果和性能报告。