On image denoising methods
الگوریتم حذف نویز NL-means
روشهای حذف نویز تصویر
چکیده:
تحقیق در مورد روشهای موثر حذف نویز در پردازش تابعی و آماری هنوز چالشی جدی است. بر خلاف بزرگنمایی روشهای پیشنهادی اخیر، اغلب الگوریتم ها هنوز به سطح مطلوبی از عملکرد دست نیافته اند. همه آنها وقتی با مدل تصویری که مطابق با فرضیات الگوریتم میباشد عملکرد برجسته ای دارند، اما در حالت کلی تولید اثر تصنعی کرده یا قسمتهایی از ساختار تصویر را از بین میبرند. تمرکز اصلی در این مقاله، در مرحله اول، تعریف یک روش کلی ریاضیاتی و آزمایشگاهی برای مقایسه و طبقه بندی الگوریتمهای حذف نویز بوده و در مرحله دوم، پیشنهاد یک روش (Non Local Means) که ساختار یک تصویر دیجیتال را نگاه میدارد معرفی میشود. تحلیلات ریاضیاتی بر مبنای تحلیل "نوع نویز"، که از تفاوت بین تصویر دیجیتال و نسخه حذف نویز شده آن تعریف میشود میباشد. همچنین اثبات میشود روش NL-means به صورت مجانبی نتایجی کمتر از یک حالت بهینه خواهد داشت. عملکرد روشهای معرفی دیگر نیز از چهار جنبه بررسی خواهند شد؛ ریاضیات: تحت بزرگنمایی های مختلف بزرگنمایی مدل نویز با توجه به مفروضات؛ ریاضیات ادراکی: اثرات تصنعی تولید شده و توضیح آنها به عنوان نقص های مدل؛ اندازه گیری مقدار خطا: با جدولهای مبنی بر اختلاف نسخه حذف نویز شده و مدل اصلی. قدرتمندترین روش برای مقایسه روشها به نظر میرسد که نویزی باشد که بیشتر در تصاویر طبیعی دیده میشود. برای شبیه سازی این مدلهای نویز به نظر میرسد نویز سفید بهترین باشد.
در فایل زیپ شده اصل مقاله بصورت PDF، ترجمه بصورت فایل Word، کدهای برنامه بصورت کد متلب و شرح خط به خط برنامه متلب در یک فایل Word به صورت مجزا وجود دارد.
ترجمه مقاله و سورس کد برنامه متلب: الگوریتم حذف نویز NL-means