Шумоподавление для изображений

Сентябрь 7, 2022

Главная
Алгебра
Шумоподавление для изображений

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

Слайд 2

Виды и примеры шумов
Шумы
Стационарные
Импульсные
Смешанные
Salt and pepper
Помехи в видео
Аддитивный белый Зерно пленки
Белый

шум – пиксели случайны, не коррелированны друг с другом
Гауссов/равномерный/треугольный шум – закон распределения амплитуд пикселей
Аддитивный шум – прибавляется к «чистому» изображению и не зависит от него

Шум + помехи в видео

Salt and pepper

AWGN

Слайд 3

Методы шумоподавления
Шумы
Стационарные
Импульсные
Смешанные
Медианный фильтр
Взвешенная медиана
Ранговые фильтры
Bilateral filter
Non-Local Means
Wavelet thresholding
DCT, PCA, ICA
Анизотропная диффузия
Алгоритм

BM3D

Ранговые фильтры
Комбинированные методы

Salt and pepper

AWGN

Слайд 4

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

3х3

Слайд 5

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

7х7

Слайд 6

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

15х15

Слайд 7

Импульсные шумы
Т.к. искажена лишь малая часть пикселей, то не надо фильтровать

все изображение!
Детектирование искаженных пикселей (простейший способ – анализ разности изображения с его медианной фильтрацией)
Фильтрация только искаженных пикселей

медиана 3х3

адаптивная медиана

Слайд 8

Стационарные шумы
Простейшие методы
Размытие изображения – вместе с шумом размывает детали
Размытие в

гладких областях – остается шум вблизи границ
Медианная фильтрация – хорошо подавляет импульсный шум, но удаляет мелкие детали

Слайд 9

Bilateral filter
Адаптивные алгоритмы
Bilateral filter
усреднение окружающих
пикселей
с весами
фотометрическая близость
пространственная близость

Слайд 10

Bilateral filter
Bilateral filter: художественное применение
(при слишком сильном действии)

Слайд 11

Non-Local Means
Адаптивные алгоритмы
Non-local means (NL-means) – веса зависят от близости целых

блоков, а не отдельных пикселей

ν(xi,j) – блок вокруг
пикселя xi,j

Слайд 12

Non-Local Means
Вычисление весов
Способен сохранять текстуру изображения лучше, чем bilateral filter
Иллюстрация из
Buades

et al 2005

Веса высоки для q1 и q2,
но не для q3

Слайд 13

Non-Local Means
Достоинства и недостатки:
Высокое качество результирующего изображения
В исходном варианте – очень

высокая вычислительная сложность
Ускоряющие расчет оптимизации:
Использование команд MMX/SSE для сравнения блоков
Разбиение изображения на блоки и усреднение целых блоков, а не отдельных пикселей
Промежуточный вариант между усреднением блоков и усреднением пикселей: усреднение маленьких блоков

–

Слайд 14

Non-Local Means
Применение к видео
Область поиска блоков можно расширить на соседние кадры

(сделать ее пространственно-временной)
Для ускорения просчета можно применять сравнение блоков только по Y-каналу в цветовой модели YCrCb (YUV)

Слайд 15

Вейвлетный метод
Вейвлетное шумоподавление для изображений
DWT
Оценка уровня и спектра шума
Подавление вейвлет-коэффициентов (thresholding,

shrinkage)
Обратное DWT

Подавление шума различного масштаба

–

Отсутствие инвариантности к сдвигу
Плохая локализация энергии для наклонных границ

Слайд 16

Тригонометрические базисы
Дискретные преобразования: Фурье, косинусное и синусное
+
Быстро вычисляются
–
Зависимость от размера блока:

эффект Гиббса либо плохое подавление НЧ компонент шума

DFT

DCT

DST

Слайд 17

Метод главных компонент
Идея: так выбрать базисные вектора, чтобы минимальным числом базисных

векторов можно было наилучшим образом приблизить данные из некоторого набора.
PCA – ортогональное линейное преобразование базиса, при котором первый вектор нового базиса соответствует направлению максимальной дисперсии данных, второй вектор – следующему направлению максимальной дисперсии и т.д.

Principal Component Analysis (PCA, KLT)

размерность данных = 2

Слайд 18

Метод главных компонент
Решение: базисные вектора – собственные вектора ei матрицы ковариации

Cx исходных данных x:
Альтернативное решение – с помощью сингулярного разложения матрицы исходных данных

Principal Component Analysis (PCA, KLT)

на рисунке размерность n = 2

Слайд 19

Шумоподавление
Применение к блокам изображения 8x8:
Метод главных компонент
…
…
64 базисных вектора

Слайд 20

Шумоподавление
PCA-денойзинг изображений
Блочное преобразование PCA
Подавление коэффициентов в новом базисе
Обратное преобразование и наложение

блоков с перекрытием

Существующие подходы (Muresan/Parks, 2003)

Адаптация к деталям изображения (в т.ч. – к линиям любого наклона)

–

При больших блоках – эффект Гиббса,
при маленьких – не подавляется крупный шум

Слайд 21

Шумоподавление для изображений

Содержание

Виды и примеры шумовШумыСтационарныеИмпульсныеСмешанныеSalt and pepperПомехи в видеоАддитивный белый Зерно пленкиБелый

Импульсные шумыМедианная фильтрацияЦентральный элемент отсортированного массива яркостейКак быть с цветными изображениями?медиана

Импульсные шумыМедианная фильтрацияЦентральный элемент отсортированного массива яркостейКак быть с цветными изображениями?медиана

Импульсные шумыМедианная фильтрацияЦентральный элемент отсортированного массива яркостейКак быть с цветными изображениями?медиана

Импульсные шумыТ.к. искажена лишь малая часть пикселей, то не надо фильтровать

Стационарные шумыПростейшие методыРазмытие изображения – вместе с шумом размывает деталиРазмытие в

Bilateral filterАдаптивные алгоритмыBilateral filter усреднение окружающих пикселей с весамифотометрическая близостьпространственная близость

Bilateral filterBilateral filter: художественное применение(при слишком сильном действии)

Non-Local MeansАдаптивные алгоритмыNon-local means (NL-means) – веса зависят от близости целых

Non-Local MeansВычисление весов Способен сохранять текстуру изображения лучше, чем bilateral filterИллюстрация изBuades

Non-Local MeansДостоинства и недостатки:Высокое качество результирующего изображенияВ исходном варианте – очень

Non-Local MeansПрименение к видеоОбласть поиска блоков можно расширить на соседние кадры

Вейвлетный методВейвлетное шумоподавление для изображенийDWTОценка уровня и спектра шумаПодавление вейвлет-коэффициентов (thresholding,

Тригонометрические базисыДискретные преобразования: Фурье, косинусное и синусное+Быстро вычисляются–Зависимость от размера блока:

Метод главных компонентИдея: так выбрать базисные вектора, чтобы минимальным числом базисных

Метод главных компонентРешение: базисные вектора – собственные вектора ei матрицы ковариации

ШумоподавлениеПрименение к блокам изображения 8x8: Метод главных компонент……64 базисных вектора

ШумоподавлениеPCA-денойзинг изображенийБлочное преобразование PCAПодавление коэффициентов в новом базисеОбратное преобразование и наложение

ШумоподавлениеРезультатыЗашумленное изображениеВейвлетное шумоподавление

Похожие презентации

Виды и примеры шумов
Шумы
Стационарные
Импульсные
Смешанные
Salt and pepper
Помехи в видео
Аддитивный белый Зерно пленки
Белый

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

Импульсные шумы
Медианная фильтрация
Центральный элемент отсортированного массива яркостей
Как быть с цветными изображениями?
медиана

Импульсные шумы
Т.к. искажена лишь малая часть пикселей, то не надо фильтровать

Стационарные шумы
Простейшие методы
Размытие изображения – вместе с шумом размывает детали
Размытие в

Bilateral filter
Адаптивные алгоритмы
Bilateral filter
усреднение окружающих
пикселей
с весами
фотометрическая близость
пространственная близость

Bilateral filter
Bilateral filter: художественное применение
(при слишком сильном действии)

Non-Local Means
Адаптивные алгоритмы
Non-local means (NL-means) – веса зависят от близости целых

Non-Local Means
Вычисление весов
Способен сохранять текстуру изображения лучше, чем bilateral filter
Иллюстрация из
Buades

Non-Local Means
Достоинства и недостатки:
Высокое качество результирующего изображения
В исходном варианте – очень

Non-Local Means
Применение к видео
Область поиска блоков можно расширить на соседние кадры

Вейвлетный метод
Вейвлетное шумоподавление для изображений
DWT
Оценка уровня и спектра шума
Подавление вейвлет-коэффициентов (thresholding,

Тригонометрические базисы
Дискретные преобразования: Фурье, косинусное и синусное
+
Быстро вычисляются
–
Зависимость от размера блока:

Метод главных компонент
Идея: так выбрать базисные вектора, чтобы минимальным числом базисных

Метод главных компонент
Решение: базисные вектора – собственные вектора ei матрицы ковариации

Шумоподавление
Применение к блокам изображения 8x8:
Метод главных компонент
…
…
64 базисных вектора

Шумоподавление
PCA-денойзинг изображений
Блочное преобразование PCA
Подавление коэффициентов в новом базисе
Обратное преобразование и наложение

Шумоподавление
Результаты
Зашумленное изображение
Вейвлетное шумоподавление