الوصف
في هذه الورقة ، قدمنا مخططًا لتقليل الضوضاء يعتمد على LMMSE مع نموذج مويجي متعدد النطاقات وناقشنا اختيار الأساس المويج الأمثل له. مع OWE ، يتم تمثيل معاملات المويجات في نفس المواقع المكانية على مقياسين متجاورين كمتجه ويتم تطبيق LMMSE على المتجه. وهكذا يتم استغلال التبعيات بين النطاقات المويجة لتحسين تقدير الإشارة.
يعتمد أداء المخطط على مرشحات المويجات. اقترحنا معيارين لتحديد المويجة المثلى للنظام. الأول هو قياس معلومات الإشارة التي تغلف القدرة من البيئة الصاخبة. هذا المعيار يتناسب مع كفاءة تقليل الضوضاء. والآخر هو قياس اختلاف توزيع معاملات المويجات مع وظيفة جاوس المشتركة وهذا المعيار يتناسب عكسياً مع أداء تقليل الضوضاء.
يمكن تحديد المويجة المثلى من خلال تحسين المقايضة بين المعيارين من مكتبة المويجات. في هذه الورقة ، درسنا ثمانية موجات نموذجية ولاحظنا أن المتعامد الحيوي سيعطي أفضل أداء. تم التحقق من صحة هذه الملاحظة من خلال التجارب.
أخيرًا ، تم استخدام تقنيات نمذجة السياق لتجميع معاملات المويجات. يقلل التصنيف المكاني التكيفي لوحدات البكسل المويجة خطأ تقدير الإحصائيات وبالتالي يحسن أداء تقليل الضوضاء.
على الرغم من أن المخطط المقترح يتفوق على مخططات تقليل الضوضاء الشائعة الأخرى لمعظم الصور ، إلا أنه قد لا يكون طريقة مناسبة للصور التي ترتبط ارتباطًا ضعيفًا بمساحات المقياس (على سبيل المثال ، صورة البابون). بالنسبة لمثل هذه الصور ، عادةً ما تكون التبعية بين النطاقات المويجة منخفضة جدًا ، ولن يتمكن النموذج المقترح من الاستفادة من التبعيات بين النطاقات لتحقيق مكاسب معقولة لتقليل الضوضاء.
صورة صاخبة
صورة منزوعة الضوضاء
ref :
Zhang, Lei, Paul Bao, and Xiaolin Wu. “Multiscale LMMSE-based image denoising with optimal wavelet selection.” IEEE Transactions on circuits and systems for video technology 15, no. 4 (2005): 469-481.
احتمال تسجيل التصحيح المتوقع (EPLL) لتقليل تشويش الصورة
تقليل الضوضاء للصور على مرحلتين عن طريق تحليل المكونات الرئيسية مع تجميع البكسل المحلي
http://www.ijsce.org/wp-content/uploads/papers/v2i1/A0467022112.pdf
المراجعات
لا توجد مراجعات بعد.