일반적으로 웨이블릿 계수는 적은 수의 계수에 거의 대부분의 정보가 저장되어 있다. 이러한 웨이블릿 계수의 성긴 특성은 가우스 확률밀도 함수와 영점에서의 점 질량(point mass) 함수의 혼합으로 모델링될 수 있으며, 이 프라이어(prior) 모델에 대한 베이지안 추정법으로 잡음 제거를 수행한다. 본 논문에서는 가설-검증 기법을 이용하여 잡음 제거를 위한 파라미터를 추정하는 방법을 제안한다. 가설-검증은 관찰된 웨이블릿 계수의 분산에 적용되며, $X^2$-검증을 사용한다. 모의실험 결과를 통하여 본 논문의 방법이 직교 웨이블릿 변환을 사용한 최신의 잡음 제거 방법보다 대략 0.3dB 정도 우수한 PSNR(peak signal-to-noise ratio) 성능을 나타낸다.
In general, almost information is stored in only a few wavelet coefficients. This sparse characteristic of wavelet coefficient can be modeled by the mixture of Gaussian probability density function and point mass at zero, and denoising for this prior model is peformed by using Bayesian estimation. In this paper, we propose a method of parameter estimation for denoising using hypothesis-testing problem. Hypothesis-testing problem is applied to variance of wavelet coefficient, and $X^2$-test is used. Simulation results show our method outperforms about 0.3dB higher PSNR(peak signal-to-noise ratio) gains compared to the states-of-art denoising methods when using orthogonal wavelets.
