CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A Robust Image Denoising Technique in the Contourlet Transform Domain

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: JR_IJE-28-11_006
زبان مقاله: انگلیسی
حجم فایل: ۹۸۹.۲۵ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Robust Image Denoising Technique in the Contourlet Transform Domain

  E Ehsaeyan - Faculty of Sirjan University of Technology, electrical engineering Department, Sirjan, Iran

چکیده مقاله:

The contourlet transform can very well capture the directional geometrical structures of natural images. In this paper, by incorporating the ideas of Stein’s unbiased risk estimator (SURE) approach in nonsubsampled contourlet transform (NSCT) domain, a new image denoising technique is devised. We utilize the properties of NSCT coefficients in high and low subbands and apply SURE shrinkage and bilateral filter respectively. Moreover, SURE-LET strategy is modified to minimize the estimation of the mean square error (MSE) between the clean image and the denoised one in the NSCT domain. The simulation testing has been carried on under the different noise level, and the denoising effect has been evaluated by using the peak signal to noise ratio (PSNR). Results for different kinds of sample image show that the introduced algorithm in this paper can maintain most important details of images, remove Gaussian white noise more effectively, and get a higher PSNR value, which also has a better visual effect.

کلیدواژه‌ها:

Denoising, Contourlet Transform, Bilateral Filter, SURE Shrink, Multiresolution Analysis, Universal Index, Image Fidelity, Mean Square Error

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_IJE-JR_IJE-28-11_006.html
کد COI مقاله: JR_IJE-28-11_006

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Ehsaeyan, E, ۱۳۹۴, A Robust Image Denoising Technique in the Contourlet Transform Domain, International Journal of Engineering (IJE) 28 (11), https://www.civilica.com/Paper-JR_IJE-JR_IJE-28-11_006.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Ehsaeyan, E, ۱۳۹۴)
برای بار دوم به بعد: (Ehsaeyan, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۵۹۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.