حذف نویز با استفاده از ضرایب زیر تصویر تقریب در بسته‌های ویولت

Authors

Abstract:

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.‌

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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،...

full text

درونیابی 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...

full text

درونیابی 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...

full text

درونیابی 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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 8

pages  31- 38

publication date 2012-02-01

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023