基于Bandelet变换与BLSGSM的图像去噪系统

资 源 简 介

本项目致力于实现一种高性能的图像去噪算法，结合了Bandelet变换的几何自适应特性与BLSGSM（高斯尺度混合模型的贝叶斯最小二乘估计）统计模型的优势。项目核心功能完整涵盖了第二代Bandelet变换的实现，能够根据图像的几何结构（如边缘和纹理方向）动态调整变换基，从而比传统小波变换更稀疏地表示图像信息。在此基础上，引入了BLSGSM方法对Bandelet系数进行统计建模和估计，实现了在保留图像边缘细节的同时有效去除高斯白噪声。此外，为了克服变换域去噪常见的吉布斯伪影（Gibbs phenomena），本项目还集成了平移不变（Translation-Invariant, TI）去噪策略，通过对图像进行循环平移处理再平均，进一步提升了输出图像的视觉质量和PSNR指标。需要特别注意的是，算法在处理大尺寸图像（如高分辨率照片）或开启平移不变模式时，由于涉及多方向的最佳基搜索及大量系数矩阵的存储与运算，会对计算机内存资源有较高消耗，这是算法追求高质量重建的代价。

详 情 说 明

基于Bandelet变换与BLSGSM模型的高级图像去噪系统

项目简介

本项目实现了一套高性能的图像去噪系统，旨在解决高分辨率图像在高斯白噪声环境下的恢复问题。算法核心结合了Bandelet变换的几何自适应特性与BLSGSM（高斯尺度混合模型的贝叶斯最小二乘估计）统计模型。

系统通过多尺度分解和几何流（Geometric Flow）搜索，能够比传统小波变换更稀疏地表示图像的边缘和纹理结构。在此稀疏域上，利用BLSGSM对系数进行统计建模和去噪，有效保留了图像细节。此外，为了消除变换域去噪常见的吉布斯伪影（Gibbs phenomena），项目集成了平移不变（Translation-Invariant, TI）策略，显著提升了输出图像的视觉质量和PSNR/SSIM指标。

功能特性

• 几何自适应稀疏表示：利用Bandelet变换思想，对图像的高频子带进行分块几何最佳基搜索，适应图像的边缘方向。
• BLSGSM 统计去噪：在变换域引入贝叶斯最小二乘估计（Gaussian Scale Mixtures模型），实现对噪声系数的精确估计。
• 平移不变 (TI) 增强模式：支持Cycle Spinning策略，通过循环平移、去噪、逆平移和平均操作，有效抑制伪影并提升信噪比。
• 由粗到细的多尺度处理：支持自定义小波分解层数（默认为3层），对不同频率的子带分别进行处理。
• 全自动评估体系：内置高分辨率测试图像生成、加噪、去噪及PSNR（峰值信噪比）与SSIM（结构相似性）指标计算。

系统逻辑与核心算法实现

本项目的主程序 main.m 包含完整的去噪流程控制、参数配置及核心算法实现。以下是代码的具体实现逻辑分析：

1. 系统初始化与数据准备

主函数首先配置系统参数，包括噪声标准差（Sigma）、是否开启TI模式、处理块大小（8x8）、小波层数等。系统会自动生成一张512x512的测试图像（Phantom），并添加指定强度的加性高斯白噪声。

2. 平移不变（TI）处理策略

若配置中开启 use_TI，系统将进入平移不变去噪流程。

• 循环平移：代码设定了最大平移量（max_shift=4）和步长（step_shift=2），生成一系列位移对。
• 处理与平均：对每一次平移后的图像执行核心去噪算法，然后将结果逆平移回原位。
• 累加平均：所有的逆平移结果进行累加并求平均值，以消除因下采样或块效应引起的伪影。

3. 核心去噪流程 (Standard & Bandelet-Specific)

算法的核心处理逻辑包含以下步骤：

• 多尺度小波分解：对输入图像进行多层小波分解，获取近似系数和各层的高频细节系数（水平、垂直、对角）。
• 噪声方差传播：根据分解层级和方向，计算当前子带的等效噪声标准差。
• 分块几何处理：对每一个高频子带进行分块（默认为8x8像素），并对每个块执行Bandelet去噪。
• 逆变换重构：将处理后的系数进行逆小波变换，重构出去噪后的图像。

4. Bandelet变换与其他几何优化

代码实现了一种简化的Bandelet最佳基搜索策略，具体流程如下：

• Lagrangian代价函数：使用L1范数（系数绝对值之和）作为稀疏性的代理指标，计算不同几何变换下的代价。
• 几何流搜索：对每一个图像块，算法尝试多种几何变换模式：

* 各向同性模式：保持原样，不进行额外变换。 * 垂直流模拟：沿列方向进行1D Haar变换，适应垂直纹理。 * 水平流模拟：沿行方向进行1D Haar变换，适应水平纹理。 * *注：代码结构中预留了对角方向的扩展接口。*

• 最佳基选择：比较上述模式的代价，选择代价最小（最稀疏）的模式作为该块的最佳Bandelet基。

5. BLSGSM 估计器

在选定的Bandelet域（或小波域）中，系数表现出更强的稀疏性。代码在 blsgsm_estimator_block 中对变换后的系数应用统计估计，利用预设的噪声方差去除噪声成分，保留主要结构信息。

6. 结果评估与可视化

处理完成后，系统会对输出图像像素进行范围截断（0-255），计算去噪前后图像与原始无噪图像之间的PSNR和SSIM指标，并绘制包含原始图、含噪图及去噪结果的对比图。

使用方法

1. 确保MATLAB环境已安装。
2. 打开 main.m 文件。
3. 根据需求修改 conf 结构体中的参数：

* conf.noise_sigma: 设置噪声水平（例如 25）。 * conf.use_TI: 设置为 true 开启高质量平移不变模式（耗时增加），设置为 false 为快速模式。

1. 运行 main 函数。
2. 等待控制台输出进度信息，运行结束后将弹出结果窗口并打印性能指标。

系统具体参数配置

在代码中，默认配置如下：

• 噪声标准差: 25
• TI模式: 开启 (True)
• Bandelet块大小: 8
• 小波分解层数: 3
• 搜索方向数: 8 (用于几何流搜索)

注意事项与系统要求

• 内存消耗：由于算法涉及多尺度分解、分块处理以及在TI模式下的多次迭代，处理大尺寸图像时内存占用较高。
• 运行时间：开启TI模式后，计算量会成倍增加（取决于平移步长和范围），可能需要数分钟才能完成一张图像的处理。
• 依赖：代码依赖基础的各种矩阵运算函数，核心逻辑已封装在主文件中。由于代码片段结尾处截断了具体的BLSGSM估计器实现细节，确保运行环境中有完整的辅助函数支持。