Научные статьи \ Прикладные науки. Медицина. Технология \ Инженерное дело. Техника в целом \ Общее машиностроение. Ядерная технология. Электротехника. Технология машиностроения \ Электротехника

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

Image noise removal based on total variation

Today, raster images are created by different modern devices, such as digital cameras, X-Ray scanners, and so on. Image noise deteriorates the image quality, thus adversely affecting the result of processing. Biomedical images are an example of digital images. The noise in such raster images is assumed to be a mixture of Gaussian noise and Poisson noise. In this paper, we propose a method to remove these noises based on the total variation of the image brightness function. The proposed model is a combination of two famous denoising models, namely, the ROF model and a modified ROF model.

Еще

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
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp