Устранение шума на изображениях на основе метода полной вариации

Устранение шума на изображениях на основе метода полной вариации

Автор: Тхань Данг Нгок Хоанг, Двоенко Сергей Данилович

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов

Статья в выпуске: 4 т.39, 2015 года.

Бесплатный доступ

Рассматривается подход к устранению комбинации гауссовского и пуассоновского шумов на растровых изображениях. Считается, что такое сочетание шумов характерно для биомедицинских изображений. Предлагается применить метод полной вариации функции яркости изображения с использованием комбинации двух широко известных моделей устранения шумов. Качество обработки изображений зависит от настраиваемых параметров модели. Построена процедура с автоматической оценкой этих параметров. Приводятся результаты экспериментов на реальном рентгенографическом изображении с искусственно внесённым шумом. Показано, что найденные параметры близки к заданным, обеспечивая оптимальное качество устранения комбинированного шума.

Еще

Полная вариация, rof-модель, гауссовский шум, пуассоновский шум, обработка изображений, биомедицинские изображения, уравнение эйлера-лагранжа

Короткий адрес: https://sciup.org/14059397

IDR: 14059397   |   DOI: 10.18287/0134-2452-2015-39-4-564-571

Список литературы Устранение шума на изображениях на основе метода полной вариации

  • Chan, T.F. Image processing and analysis: Variational, PDE, Wavelet, and stochastic methods/T.F. Chan, J. Shen. -SIAM, 2005. -400 p.
  • Burger, M. Level set and PDE based reconstruction methods in imaging/M. Burger. -Springer, 2008. -319 p.
  • Chambolle, A. An introduction to total variation for image analysis/A. Chambolle//Theoretical foundations and numerical methods for sparse recovery. -2009 -Vol. 9. -P. 263-340.
  • Xu, J. A coupled variational model for image denoising using a duality strategy and split Bregman/J. Xu, X. Feng, Y. Hao//Multidimensional Systems and Signal Processing. -2014. -Vol. 25. -P. 83-94.
  • Rankovic, N. Improved adaptive median filter for denoising ultrasound images/N. Rankovic, M. Tuba//Advances in Computer Science WSEAS ECC’12. -2012. -P. 169-174.
  • Lysaker, M. Iterative image restoration combining total variation minimization and a second-order functional/M. Lysaker, X. Tai//International journal of computer vision. -2006. -Vol. 66. -P. 5-18.
  • Li, F. A new diffusion-based variational model for image denoising and segmentation/F. Li, C. Shen, L. Pi//Journal Mathematical Imaging and Vision. -2006. -Vol. 26, Is. 1-2. -P. 115-125.
  • Zhu, Y. Noise reduction with low dose CT data based on a modified ROF model/Y. Zhu//Optics Express. -Vol. 20, Issue 16. -P. 17987-18004.
  • Tran, M.P. Denoising 3D medical images using a second order variational model and wavelet shrinkage/M.P. Tran, R. Peteri, M. Bergounioux//Image Analysis and Recognition. -2012. -Vol. 7325. -P. 138-145.
  • Rudin-Osher-Fatemi total variation denoising using split Bregman. IPOL 2012. . -URL: http://www.ipol.im/pub/art/2012/g-tvd/(Дата обращения: 23.07.2014).
  • Caselles, V. Handbook of mathematical methods in imaging/V. Caselles, A. Chambolle, M. Novaga. -Springer, 2011. -1607 p.
  • Rudin, L.I. Nonlinear total variation based noise removal algorithms/L.I. Rudin, S. Osher, E. Fatemi//Physica D. -1992. -Vol. 60. -P. 259-268.
  • Chen, K. Introduction to variational image processing models and application/K. Chen//International Journal of Computer Mathematics. -2013. -Vol. 90, No. 1. -P. 1-8.
  • Le, T. A variational approach to reconstructing images corrupted by Poisson noise/T. Le, R. Chartrand, T.J. Asaki//Journal of mathematical imaging and vision. -2007. -Vol. 27, Issue 3. -P. 257-263.
  • Unser, M. Image denoising in mixed Poisson-Gaussian noise/F. Luisier, T. Blu//IEEE transaction on Image processing. -2011. -Vol. 20, Issue 3. -P. 696-708.
  • Jezierska, A. An EM approach for Poisson-Gaussian noise modeling/A. Jezierska//EUSIPCO 19th. -2011. -Vol. 62, Issue 1. -P. 13-30.
  • Jezierska, A. Poisson-Gaussian noise parameter estimation in fluorescence microscopy imaging/A. Jezierska//IEEE International Symposium on Biomedical Imaging 9th. -2012. -P. 1663-1666.
  • Wang, C. An improved adaptive median filter for Image denoising/C. Wang, T. Li//ICCEE. -2012. -Vol. 53, Issue 2.64. -P. 393-398.
  • Abe, C. Iterative Edge-Preserving adaptive Wiener filter for image denoising/C. Abe, T. Shimamura//ICCEE. -2012. -Vol. 4, Issue 4. -P. 503-506.
  • A Primal-Dual Projected Gradient Algorithm for Efficient Beltrami Regularization. Computer Vision and Image Understanding, 2014. . URL: http://www.math.ucla.edu/~zosso/(Дата обращения: 23.01.2015).
  • Wang, Z. Image quality assessment: From error visibility to structural similarity/Z. Wang//IEEE Transaction on Image Processing. -2004. -Vol. 13, No. 4. -P. 600-612.
  • Wang, Z. Modern image quality assessment/Z. Wang, A.C. Bovik. -Morgan & Claypool Publisher, 2006. -146 p.
  • Scherzer, O. Variational methods in Imaging/O. Scherzer. -Springer, 2009. -320 p.
  • Zeidler, E. Nonlinear functional analysis and its applications: Variational methods and optimization/E. Zeidler. -Springer, 1985. -662 p.
  • Rubinov, A. Applied Optimization: Lagrange-type functions in constrained non-convex optimization/A. Rubinov, X. Yan. -Springer, 2003. -286 p.
  • Gill, P.E. Numerical methods for constrained optimization/P.E. Gill, W. Murray. -Academic Press Inc., 1974. -283 p.
  • Immerker, J. Fast noise variance estimation/J. Immerker//Computer vision and image understanding. -1996. -Vol. 64, Issue 2. -P. 300-302.
  • Thomos, N. Optimized Transmission of JPEG2000 streams over Wireless channels/N. Thomos, N.V. Boulgouris, M.G. Strintzis//IEEE transactions on image processing. -2006. -Vol. 15, Issue 1. -P. 54-67.
  • Getty images. . URL: http://well.blogs. nytimes.com/2009/09/16/what-sort-of-exercise-can-make-you-smarter/(Дата обращения: 10.04.2015).
Еще
Статья научная
SciUp 2024 © 2024 ©