فشرده سازی وحذف نویز تصاویر توسط آنالیزمولفه های اصلی با گروه بندی پیکسل های محلی و تجزیه ی مقادیر تکین

این مقاله دو هدف کارآمد را دنبال میکند ، حذف نویز و فشرده سازی تصاویر با استفاده از روش آنالیز مولفه های اصلی (PCA) با گروه بندی پیکسل های محلی (LPG) میباشد. PCA یک ابزار کارآمد برای کاهش بعد،حذف نویز میباشد. دریک تصویرجهت محافظت بهتر از ساختار محلی، میبایست یک پیکسل و نزدیکترین همسایگانش به صورت متغییرهای برداری مدل شوند ،نمونه های آموزشی با استفاده از تطییق بلوک ،مبتنی بر LPG، از پنجره های محلی انتخاب شده اند، طرزعملکرد LPG تضمین میکند که فقط نمونه بلوک هایی که ساختار مشابهی را دارد،در محاسبات آماری محلی برای تخمین تبدیل PCA،استفاده شود. بنابراین ترکیب محلی تصویر بعد از انقباض ضرایب در حوزه PCA برای حذف نویز ،باقی میماند. الگوریتم PCA با LPG پیشنهادی ، دو مرحله دارد.حاصل مرحله ی اول یک تخمین اولیه از تصویر با حذف اغلب نویز ها ومرحله دوم تصحیح حاصل خروجی نتایج مرحله اول است همچنین در فشرده سازی تصاویر PCA با استفاده از روش تجزیه مقادیر تکین (SVD ) چگونگی انتخاب مولفه های اصلی موثر در کیفیت و فشرده سازی تصویر را نشان میدهیم. در نهایت نتایج شبیه سازی نشان میدهد که با روش PCA به خوبی میتوان حذف نویز و فشرده سازی را جهت کاهش سایز تصویر و بهبود کیفیت آن انجام داد.

کلیدواژه ها:

آنالیز مولفه های اصلی ، حذف نویز ، فشرده سازی تصویر ، گروه بندی پیکسل های محلی ، متغییرهای همبسته