حذف نویز با استفاده از ضرایب زیر تصویر تقریب در بستههای ویولت
نویسندگان
چکیده مقاله:
در این تحقیق فیلتر جدیدی برای بهینهسازی تصویر در حوزهی زمان فرکانس ارائه میشود. آستانهگذاری سخت و نرم1 از قدیمیترین و معمولترین روشها در کاهش نویز میباشند. براساس این روشها، با اعمال تبدیلهای گوناگون بر سیگنال، ضرایب کوچک دنبالهها متعلق به نویز فرض شده و حذف میگردد. سپس از ضرایب باقیمانده، تصویر بازسازی میشود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزهی زمان-فرکانس، برای محاسبهی ضرایب وحذف نویز مطرح شده است. برخی از ضرایب این تبدیل نسبت به نویز تاثیر کمتری پذیرفته و کارایی آنها به عنوان مبنایی برای تخمین تصویر اصلی، به کمک دیگر زیر تصاویر، نشان داده شده است. در این مقاله ایدهی استفاده از زیر تصویر تخمین تبدیل ویولت، به زیر تصاویر حاصل از تبدیل بستههای ویولت تعمیم داده شده است. به این ترتیب، با حذف برخی از ضرایب تبدیل ویولت، بر اساس تصویر تقریب حاصل از تبدیل بستههای ویولت دو بعدی، میتوان تصویر بهتری به دست آورد. در واقع برای ایجاد تصویر اصلی، از زیر تصاویر با نویز کمتر استفاده میکنیم. در مقایسه باروشهای متداول آستانهگذاری سخت و نرم، روش پیشنهادی عملکرد بهتری نشان میدهد. هم چنین، از محاسن دیگر این روش امکان فشرده سازی تصویر به حجمی برابر یک چهارم تصویراصلی، به همراه سه پارامتر اسکالر میباشد، که برای کاربردهایی از قبیل مخابرهی تصاویر یا ذخیرهسازی بسیار مفید است. افزایش کنتراست تصاویر به میزان قابل توجه، از مزایای دیگر این روش میباشد. روش پیشنهادی بر روی 100 تصویر از پایگاه داده LIVE آزمایش گردید. روش آستانهگذاری نرم حدود 1.12% نسبت به روش آستانهگذاری سخت، روش POAC حدود 1.94% نسبت به آستانهگذاری نرم و روش POAC با بستههای ویولت حدود 1.48% نسبت به روش POAC بهترعمل میکند. با روش پیشنهادی بستههای ویولت به صورت میانگین حدود 2.17% افزایش PSNR خواهیم داشت.
منابع مشابه
حذف نویز با استفاده از ضرایب زیر تصویر تقریب در بسته های ویولت
در این تحقیق فیلتر جدیدی برای بهینه سازی تصویر در حوزه ی زمان فرکانس ارائه می شود. آستانه گذاری سخت و نرم1 از قدیمی ترین و معمول ترین روش ها در کاهش نویز می باشند. براساس این روش ها، با اعمال تبدیل های گوناگون بر سیگنال، ضرایب کوچک دنباله ها متعلق به نویز فرض شده و حذف می گردد. سپس از ضرایب باقیمانده، تصویر بازسازی می شود. در مطالعات اخیر، استفاده از ویولت به عنوان تبدیلی در حوزه ی زمان-فرکانس،...
متن کاملدرونیابی و حذف همزمان نویز فلفل نمکی تصاویر دیجیتال با استفاده از تبدیل ویولت مختلط
اکثر روشهای درونیابی تصویر موجود، تصویر را بدون نویز فرض میکنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز میشوند. در این مقاله، الگوریتمی همزمان ب...
متن کاملدرونیابی و حذف همزمان نویز فلفل نمکی تصاویر دیجیتال با استفاده از تبدیل ویولت مختلط
اکثر روشهای درونیابی تصویر موجود، تصویر را بدون نویز فرض میکنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز میشوند. در این مقاله، الگوریتمی همزمان ب...
متن کاملدرونیابی و حذف همزمان نویز فلفل نمکی تصاویر دیجیتال با استفاده از تبدیل ویولت مختلط
اکثر روش های درونیابی تصویر موجود، تصویر را بدون نویز فرض می کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می شوند. در این مقاله، الگوریتمی همزمان بر...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 2 شماره 8
صفحات 31- 38
تاریخ انتشار 2012-02-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023