ガウススケール混合モデルとノイズのない画像をプライヤーとして用いた多成分画像のウェーブレットデノイジング

本論文では、多成分画像のためのベイジアンウェーブレットベースのデノイジング手法を提案します。デノイジング手法は、(1) 多成分画像の共分散を完全に考慮し、(2) ウェーブレット係数の周辺分布を適切に近似するためにガウススケール混合をプライヤーモデルとして利用し、(3) ノイズのない画像を追加のプライヤー情報として利用するように構築されています。このようなプライヤー情報は、例えばリモートセンシングやバイオメディカルイメージングの特定の多成分画像データで利用可能であることが示されています。シミュレーションされた条件と実際のノイズの条件の両方で、これらの2つのドメインで実験が実施されています。