Содержание
- 2. Виды и примеры шумов Шумы Стационарные Импульсные Смешанные Salt and pepper Помехи в видео Аддитивный белый
- 3. Методы шумоподавления Шумы Стационарные Импульсные Смешанные Медианный фильтр Взвешенная медиана Ранговые фильтры Bilateral filter Non-Local Means
- 4. Импульсные шумы Медианная фильтрация Центральный элемент отсортированного массива яркостей Как быть с цветными изображениями? медиана 3х3
- 5. Импульсные шумы Медианная фильтрация Центральный элемент отсортированного массива яркостей Как быть с цветными изображениями? медиана 7х7
- 6. Импульсные шумы Медианная фильтрация Центральный элемент отсортированного массива яркостей Как быть с цветными изображениями? медиана 15х15
- 7. Импульсные шумы Т.к. искажена лишь малая часть пикселей, то не надо фильтровать все изображение! Детектирование искаженных
- 8. Стационарные шумы Простейшие методы Размытие изображения – вместе с шумом размывает детали Размытие в гладких областях
- 9. Bilateral filter Адаптивные алгоритмы Bilateral filter усреднение окружающих пикселей с весами фотометрическая близость пространственная близость
- 10. Bilateral filter Bilateral filter: художественное применение (при слишком сильном действии)
- 11. Non-Local Means Адаптивные алгоритмы Non-local means (NL-means) – веса зависят от близости целых блоков, а не
- 12. Non-Local Means Вычисление весов Способен сохранять текстуру изображения лучше, чем bilateral filter Иллюстрация из Buades et
- 13. Non-Local Means Достоинства и недостатки: Высокое качество результирующего изображения В исходном варианте – очень высокая вычислительная
- 14. Non-Local Means Применение к видео Область поиска блоков можно расширить на соседние кадры (сделать ее пространственно-временной)
- 15. Вейвлетный метод Вейвлетное шумоподавление для изображений DWT Оценка уровня и спектра шума Подавление вейвлет-коэффициентов (thresholding, shrinkage)
- 16. Тригонометрические базисы Дискретные преобразования: Фурье, косинусное и синусное + Быстро вычисляются – Зависимость от размера блока:
- 17. Метод главных компонент Идея: так выбрать базисные вектора, чтобы минимальным числом базисных векторов можно было наилучшим
- 18. Метод главных компонент Решение: базисные вектора – собственные вектора ei матрицы ковариации Cx исходных данных x:
- 19. Шумоподавление Применение к блокам изображения 8x8: Метод главных компонент … … 64 базисных вектора
- 20. Шумоподавление PCA-денойзинг изображений Блочное преобразование PCA Подавление коэффициентов в новом базисе Обратное преобразование и наложение блоков
- 21. Шумоподавление Результаты Зашумленное изображение Вейвлетное шумоподавление
- 23. Скачать презентацию