تقليل الضوضاء عن طريق تعلم القاموس والتجميع الهيكلي

15

الوصف

من أين يأتي التباين في إشارات الصور؟
قدمت نماذج الصور المحلية وغير المحلية وجهات نظر تكميلية تجاه الانتظام في الصور الطبيعية التي تحاول السابقة بناء أو تعلم قاموس للوظائف الأساسية التي تعزز التباين ؛ بينما يربط الأخير بين التباين والتشابه الذاتي لمصدر الصورة عن طريق التجميع.

في هذا المشروع ، نقدم إطارًا متنوعًا لتوحيد وجهتي النظر أعلاه ونقترح خوارزمية جديدة لتقليل الضوضاء مبنية على التمثيل المتناثر القائم على التجميع (CSR). مستوحاة من نجاح تحسين l1 ، قمنا بصياغة مشكلة تحسين L1 مزدوجة الرأس حيث يتضمن التنظيم كلاً من تعلم القاموس والهيكلة الهيكلية.

تم تطوير حل الانكماش التكراري المستند إلى الوظيفة البديلة لحل مشكلة التحسين l1 مزدوجة الرأس ، كما تم تضمين التفسير الاحتمالي لنموذج المسؤولية الاجتماعية للشركات. أظهرت نتائجنا التجريبية تحسينات مقنعة على تقنية تقليل الضوضاء الحديثة BM3D على فئة صور النسيج العادية. أداء PSNR لتقليل الضوضاء CSR يمكن مقارنته على الأقل وغالبًا ما يكون متفوقًا على المخططات المنافسة الأخرى بما في ذلك BM3D على مجموعة من 12 صورة طبيعية عامة.

Dong و Weisheng و Xin Li و Lei Zhang و Guangming Shi. “تقليل الضوضاء على أساس الصورة المستندة إلى التباين من خلال تعلم القاموس والتجميع الهيكلي.” في رؤية الكمبيوتر والتعرف على الأنماط (CVPR) ، 2011 مؤتمر IEEE ، ص 457-464. IEEE ، 2011.

تقليل الضوضاء مقارنة الأداء للصورة الملكية: أ) صاخبة (σw = 20) ؛ ب) BM3D (PSNR = 30.37dB ، SSIM = 0.9209) ؛ ج) K-SVD (PSNR = 29.89dB ، SSIM = 0.9075) ؛ د) CSR (PSNR = 30.70dB، SSIM

تقليل ضوضاء الصورة

 

احتمال تسجيل التصحيح المتوقع (EPLL) لتقليل تشويش الصورة

 

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “تقليل الضوضاء عن طريق تعلم القاموس والتجميع الهيكلي”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *