حدف نویز تصاویر با تابع آستانه گذاری وفقی و معیار SURE

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,233

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE15_098

تاریخ نمایه سازی: 17 بهمن 1385

چکیده مقاله:

آستانه گذاری ضرائب موجک را می توان مهمترین روش حذف نویز از تصاویر به حساب آورد. موفقیت در این روش، به انتخاب آستانه ی بهینه و همچنین آستانه گذار مناسب بستگی دارد . در این مقاله ابتدا با استفاده از روش آموزش گرادان نزولی و با کمک معیار SURE، مقادیر آستانه ی مناسب محاسبه شده است. این مقادیر در آستانه گذار غیر خطی و مشتق پذیر برای زیر باندهای مختلف موجک، در حذف نویز استفاده شده اند. نتایج آزمایش، کارایی اینروش را در مقایسه با روش های متداول امروزی به اثبات می رساند. پس از آن برای اولین بار، به اثر شکل آستانه گذار بجای مقدار آستانه ، درحذف نویز تصاویرپرداخته شده است. در این روش، مقدارپارامتر تغییر شکل استانه گذار نیز از طریق آموزش وفقی تنظیم می شود. این روش که از همان مقدار آستانه ی فراگیر استفاد ه می کند را می توان روش آستانه فراگیر تعمیم یافته نامید. نتایجح آزمایش ها کارایی این روش را نیز تایید می کند. علاوه بر آن، مقایسه ی روش یافتن آستانه ی بهینه با روش یافتن شکل مناسب استانه گذار ، این نکته را می رساند که مقدار آستانه، نسبت به شکل آستانه گذار تاثیر بسزاتری در نتایج حذف نویز دارد.

کلیدواژه ها:

نویسندگان

مهدی نصری

گروه مهندسی برق، دانشکده ی فنی و مهندسی، دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور

گروه مهندسی برق، دانشکده ی فنی و مهندسی، دانشگاه شهید باهنر کرمان

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 :
  • کاهش نویز تصاویر در حوزه موجک با تابع آستانهگذاری غیرخطی جدید [مقاله کنفرانسی]
  • م. نصری و ح. نظام‌آبادی‌پور "حذف نویز از تصاویر _ ...
  • D. L. Donoho and I. M. Johnstone, «Ideal spatial adaptation ...
  • D. L. Donoho, «De-noising by soft-thresho Iding, " IEEE Trans. ...
  • H.-Y. Gao and A. G. Bruce, ،, WaveShrink with Firm ...
  • H. Gao, ، Wavelet shrinkage denoising using the nonnegative garrote, ...
  • D. L. Donoho and I. M. Johnstone, "Adapting to unknown ...
  • M. K. Mihcak, I.Kozintsev, K. Ramchandran, and P. Moulin, *Low-comp ...
  • based on statistical modeling of wavelet coefficients, * IEEE Signal ...
  • G. Fan and _ G. Xia, "Image denoising using a ...
  • J. Portilla, V. Strela, M.W ainwright, and E. Simoncelli, «Adaptive ...
  • M. s. Crouse, R. D. Nowak, and R. G. Baraniuk, ...
  • M. Jansen, M. Malfait, and A. Bultheel, «Generalized cTOSS validation ...
  • _ Chang, B. Yu, and M. Vetterli, «Adaptive wavelet thresholding ...
  • H. Rabbani, M. Vafadoost, ،Wavelet based image denoising with mixed ...
  • X.-P. Zhang, _ Neural Network for Adaptive Noise reduction, ?" ...
  • C. Stein, ،Estimation of the mean of a multivariate normal ...
  • _ Haykin, Neural Network: A Comprehers ive Fourdatior, Prentice-Hall, NJ, ...
  • نمایش کامل مراجع