کاهش نویز تصویر در حوزه ویولت با استفاده از توزیع لاپلاس با واریانس محلی

Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,852

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEE14_122

تاریخ نمایه سازی: 25 تیر 1387

Abstract:

در سالهای اخیر حذف نویز سیگنال و تصویر در حوزه ویولت مورد توجه قرار گرفته است. یکی از مسایل تعییین کننده در این زمینه استفاده از تابع چگال احتمال مناسب برای مدل کردن ضرایب ویولت می باشد. از جمله خصوصیات ضرایب ویولت در هر زیرباند، همبستگی محلی بالای آنها می باشد. بر همین اساس در این مقاله از یک توزیع لاپلاس با واریانس محلی برای مدل کردن ضرایب ویولت در هر زیرباند استفاده شده است. استفاده از این مدل، هم خصوصیات نوک تیز بودن در مبدا و دم دار بودن توزیع ضرایب ویولت و هم خصوصیت همبستگی محلی شدید آنها را به طور توام به همراه خواهد داشت. با استفاده از تخمین زننده MAP و بر اساس این مدل توزیع احتمال برای ضرایب ویولت، الگوریتم تطبیقی جدیدی برای کاهش نویز حاصل می گردد. نتایج شبیه سازیهای صورت گرفته با این الگوریتم بیانگر بهبود عملیات کاهش نویز به طور کمی وکیفی در مقایسه با روشهای گذشته در عین سادگی محاسباتی آن می باشد.

Authors

حسین ربانی

دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • -noising by soft-thre sholding, De؛ [1] D. L. Donoho, IEEE ...
  • D. L. Donoho and I. M. Johnstone, *Ideal spatial adaptation ...
  • D. L. Donoho and I. M. Johnstone, *Adapting to unknown ...
  • S. Chang, B. Yu, and M. Vetterli, *Adaptive wavelet thresholding ...
  • wavelet domain, ? IEEE Signal Processing Letters, vol. 12, pp. ...
  • F. Abramovich and Y. Benjamini, *Adaptive thresholding of wavelet coefficients, ...
  • F. Abramovich, T. Sapatinas, and B. Silverman, ، Wavelet thresholding ...
  • S. G. Chang, B. Yu, and M. Vetterli, *Spatially adaptive ...
  • H. Choi and R. G. Baraniuk, ، Wavelet statistical models ...
  • invariant -Timeء _ [10] R. Coifman and D. Donoho, wavelet ...
  • M. A. T. Figueiredo and R. D. Nowak, ، ،Wavel ...
  • prior, IEEE Trans. Image Processing, vol. 10, pp. 1322-1331, Sept. ...
  • H. Gao, ،Wavelet shrinkage denoising using the nonnegative garrote, J. ...
  • V. Strela, J. Portilla, and E. Simoncelli, *Image denoising using ...
  • H. Rabbani, M. Vafadust, ، Wavelet based image denoising with ...
  • M. K. Mihcak, I. Kozintsev, K. Ramch andran, and P. ...
  • A. F. Abdelnour and I. W. Selesnick. «Nearly symmetric orthogonal ...
  • نمایش کامل مراجع