小波变换理论作为一种新兴的时(空)—频域分析理论,在被用于图像处理时,具有其它信号处理手段不具有的优越性.其中小波理论中的多分辨分析更加符合人类的视觉机制,与计算机视觉中由粗到细的认知过程十分相似,因此更加适合图像的变换信息处理.图像去噪是数字图像处理领域的重要技术之一.传统的滤波方法在去除噪声时却引起图像边缘模糊的问题,普通基于小波的阈值去噪方法没有利用小波系数之间的相关性.为了解决这一问题,该文采用隐马尔可夫树模型来描述图像小波变换系数特征,利用高斯混合模型来模拟图像小波系数的边缘概率密度,小波系数之间的相关性就可以通过说明隐状态的总体联合概率函数而得到.由于隐马尔可夫树模型具有的树形特征,使得其能很好与小波变换结合起来.通过假设不同尺度下的小波系数的隐状态满足马尔可夫性质,可以充分利用到图像小波系数不同尺度之间的相关性.再结合Bayesian估计方法实现了图像信噪分离的目的.实验结果表明,该方法能够有效地抑制白噪声,且较好地保留了图像细节.文献表明,W-HMT模型在文本分割方面取得很好的效果,所以我们将此模型在图像(火焰图像)分割方面做了尝试性研究,经研究发现,如果有大量精确的样本,在理论上此方法是可行的,但在训练样本过程中所需时间太长.