کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946954 1439561 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A spatially cohesive superpixel model for image noise level estimation
ترجمه فارسی عنوان
مدل ابرپیکسل یکپارچه فضایی برای برآورد میزان نویز تصویر
کلمات کلیدی
تخمین سطح صدا، نویز گازی سفید افزایشی، مدل سوپرپیکسل به طور متساوی انعطاف پذیر، اندازه گیری مشابهی سر و صدا وابسته به سیگنال، انهدام تصویر،
ترجمه چکیده
برآورد میزان نویز تصویر یک کار مهم برای بسیاری از برنامه های پردازش تصویر است که در آن تشخیص مناطق همگن همیشه نقش کلیدی ایفا می کند. اکثر روش های متعارف تجربی تصاویر را به بلوک های مستطیلی تقسیم می کنند و سپس آنهایی را که بیشتر همگن هستند انتخاب می کنند. با این حال، این روش ممکن است به تشخیص یکنواختی اشتباه، به ویژه در مورد تصاویر با شدت بافت. برای مقابله با این چالش، در این مقاله یک مدل ابرپیکسل یکپارچه فضایی ارائه شده است که می تواند یک تصویر پر سر و صدا را به تکه هایی که به ساختارهای محلی متصل هستند، تمایل پیدا کند و همگن بودن را افزایش دهد. اندازه گیری شباهت جدید نیز تعریف شده است، تا مدل سوپرپیکسل را به نویز قوی تر تبدیل کند. در ترکیب با انتخاب سوپرپیکسل همگن بر اساس هیستوگرام و محاسبه سطح سر و صدایی مبتنی بر فیلتر، روش ما می تواند با دقت برآورد میزان نویز تصاویر با شدت های مختلف نویز و پیچیدگی های مختلف تصویر. علاوه بر این، این روش به مورد سر و صدای وابسته به سیگنال گسترش می یابد که معمولا در مورد تصاویر هیپرتراسترال است. آزمایشات نشان می دهد که روش پیشنهادی از روش های پیشرفته تر برخوردار است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مدل ابرپیکسل یکپارچه فضایی برای برآورد میزان نویز تصویر
چکیده انگلیسی
Estimating image noise levels is a critical task for many image processing applications, where the detection of homogeneous regions always plays a key role. Most conventional methods empirically divide the images into rectangular blocks and then select the most homogeneous ones. However, this approach may result in erroneous homogeneity detection, especially in the case of highly textured images. To address this challenge, a spatially cohesive superpixel model is proposed in this paper, which can decompose a noisy image into patches that adhere to local structures and hence tend to exhibit increased homogeneity. A new similarity measure is also defined, to make the superpixel model more robust to noise. Combined with histogram-based homogeneous superpixel selection and filter-based noise level calculations, our method can accurately estimate the noise level of images with various noise intensities and different image complexities. Moreover, the method is extended to the signal-dependent noise case, which is usually the case of hyperspectral images. Experiments demonstrate that the proposed method outperforms the state-of-the-art methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 266, 29 November 2017, Pages 420-432
نویسندگان
, , , ,