حذف نویز تصویر دو مرحله ای توسط روش بهبود یافته PCA بر اساس گروه بندی پیکسل های محلی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 808

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCEB01_086

تاریخ نمایه سازی: 18 خرداد 1393

چکیده مقاله:

در این مقاله یک شمای حذف نویز تصویر کارآمد با استفاده از PCA با گروه‌بندی پیکسل محلی (LPG) را ارائه می‌دهیم. برای حفظ بهتر ساختارهای محلی تصویر، یک پیکسل و نزدیک‌ترین همسایگی‌اش، بعنوان مقدار بردار مدل می‌شوند، که نمونه‌های آموزشی با استفاده از تطابق بلوک برمبنای ‌LPG از پنجره محلی انتخاب می‌شوند. این چنین رویه LPGهایی ضمانت می‌کنند که فقط بلوک‌های نمونه با محتوای متشابه در محاسبه آماری محلی برای تخمین تبدیل PCA استفاده شوند، بطوریکه ویژگی‌های محلی تصویر بعد از افت ضریب در حوزه PCA برای حذف نویز را می‌توانند بهتر حفظ کنند. رویه حذف نویز LPG-PCA یک بار دیگر برای بهبود بیشتر اجرای حذف نویز تکرار می‌شود، و سطح نویز در مرحله دوم بطور انطباقی تنظیم می‌شود. نتایج آزمایشات روی تصاویر تست معیار ثابت می‌کنند که روش اجرای روش LPG-PCA برای حذف نویز، بخصوص در حفظ ریزساختار تصاویر، در مقایسه با الگوریتم‌های حذف نویز جدید و کارآمدتر می‌باشد.

کلیدواژه ها:

حذف نویز ، روش PCA ، گروه بندی پیکسل های محلی(LPG)

نویسندگان

حمیده پرهون

دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

فهیمه وثوقی اصل

دانشگاه آزاد اسلامی واحد مشهد

سیما وثوقی اصل

دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

الهه قلعه نوی

دانشگاه آزاد اسلامی واحد مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • و نخبگان واحد شوشتر _ اسفند ماه 1392 ...
  • _ S.Peter. N.John. De-noising using soft thresholding International Jourmal of ...
  • ]2[Markus Haltmeier. Axel Munk, Extreme Value Analysis of Empirical Frame ...
  • ]3[M.K. Mi hc- ak, I. Kozintsev, K. Ramchandran, P. Moulin, ...
  • ]4[s.G. Chang, B. Yu, M. Vetterli, Spatially adaptive wavelet thresholding ...
  • ]5[A. Pizurica, W. Philips, I. Lamachieu, M. Acheroy, A joint ...
  • ]6[L. Zhang, B. Paul, X. Wu, Hybrid inter and intra ...
  • Circuits and Systems for Video Technology (2005) 469-481. ...
  • ]11 [A. Piaurica, W. Philips, Estimating the probability of the ...
  • E.. Candes, D.L. Donoho, The curvelet transform for , L.Starck.ل]]11 ...
  • ]12[G.Y. Chen, B. Ke' gl Image denoising with complex ridgelet, ...
  • ]13[M. Elad, M. Aharon, Image denoising via sparse and redundant ...
  • ]14[M. Aharon, M. Elad, A.M. Bruckstein, The K-SVD: an algorithm ...
  • ]15[A. Foi, V. Katkovnik, K. Egiazarian, Pointwise shape-adaptive DCT for ...
  • ]16[C. Tomasi, R. Manduchi, Bilateral filtering for gray and colour ...
  • ]17[D. Barash, A fundamental relationship between bilateral fi Itering, adaptive ...
  • ]18[A. Buades, B. Coll, J.M. Morel, A review of image ...
  • ]19[C. Kervrann, J. Boulanger, Optimal spatial adaptation for patch based ...
  • ]21[K. Dabov, A. Foi, V. Katkovnik, K. Egiazarian, Image denoising ...
  • ]23[L.P. Yaroslavsky, Digital Signal Processing --Ar Introduction, Springer, Berlin, 1985. ...
  • ]24[s. Mallat, A Wavelet Tour of Signal Processing, Academic Pres, ...
  • ]25[R.C. Gonzalez, R.E. Woods, Digital Image Processin, second ed., Prentice-Hall, ...
  • نمایش کامل مراجع