关键字 |
| 圣言、噪音、PSNR,美。 |
介绍 |
| 图像过滤技术需要现在由于数字图像的大规模生产和电影。通常这些技巧是必需的因为数字图像往往是在贫穷的条件。按次序的延长相机的一系列行动,改善图像总是可取的。数字通常表示为矩阵的灰度级或RGB颜色值[1 - 4]。一个数字图像的灰度级图像,我是一个点在一个2 d网格和u(我)是一个真正的价值。彩色图像三联体的u值(i)为红色,绿色和蓝色的组件。模糊和噪声在图像精度两个限制。图像与噪声添加到它可以表示为 |
| v (i) = u (i) + n(我) |
| v(我)是观测值,你(我)是真正的像素值在我,和n(我)是噪声扰动。 |
| 图像去噪的操作删除不需要的噪声的图像,恢复图像un-degraded理想。奇异值分解技术实现de-noise生物医学图像。圣言可以计算 |
| 一个= UΣVT |
| U T U和V V产量单位矩阵。因此U和V的正交矩阵的列。吗?矩阵是对角元素?σ1 2 3,....,。D ?吗?吗?吗?的值? σ 1 D k k ? ? are called singular values and having a decreasing order i.e. 1 2 3 .... 0. D ? ?? ?? ? ?? ? SVD has a remarkable property of statistical representation of A in subspaces of decreasing importance. A can be reconstructed by setting all of the singular values to zero except 1 ? . The resulting matrix has a rank of one. Also it can be proven that AK, the rank-K approximation to A using only the first K singular values, is the closest rank-K matrix to A. After designing the algorithm images were subjected to evaluate the following image quality parameter described below |
| 均方根误差(RMSE)参考图像中对应像素的图像融合。如果参考图像和融合图像是一样的给RMSE值等于0时,它会增加不同增加之间的引用和融合图像[10]。 |
 |
| 峰值信噪比(PSNR)值时将高熔融和参考图像是一样的和更高的价值意味着更好的融合。PSNR值计算通过遵循方程(11 - 12) |
 |
| 信号噪声比(信噪比)计算使用以下[13] |
 |
方法的 |
| ” |
| 研究工作进行了基于奇异值分解技术来设计一个算法de-noise人手的x射线图像。图1显示了实现的原理框图de-noise形象。一个原始输入图像的灰度级是图2所示。为了获得噪声图像,一个随机信号与多个标量,从10到30的步长5添加到原始图像。大小的原始图像矩阵和随机噪声信号矩阵的大小相同。添加噪声后的图像,不同的图像质量参数等噪声图像的PSNR,信噪比,RMSE,美价值计算原始图像。这些值保持为噪声之间的比较分析和过滤的形象。对噪声图像的算法后,PSNR、信噪比、均方根误差,重建图像计算的美。 |
结果和讨论 |
| 以计算机为基础的算法来过滤噪声图像采用奇异值分解技术设计。图3显示了嘈杂的图像与递增的顺序第一列的噪音水平因素和相应的在第二列de-noised图像。计算的PSNR值,信噪比、均方根误差和梅嘈杂的图像和de-noised图像与原始图像分别为表我和表2中给出。 |
结论 |
| 研究工作进行设计以计算机为基础的算法来过滤嘈杂的x射线图像。基于奇异值分解技术是实现过滤的图像。PSNR、信噪比、均方根误差和梅噪声图像的最低水平27.42 dB, -0.00250 dB, 18.85, 19.84和19.45的最高水平,分别为-0.00256,47.21,51.88。同样为de-noised图像质量参数的最低水平33.82 dB, -0.00342 dB, 9.02, 10.21和30.53 dB的最高水平,-0.00092 dB,分别为13.18、13.18。 |
表乍一看 |
 |
|
| 表1 |
表2 |
|
数据乍一看 |
|
|
引用 |
- A . Buades b·科尔J.M.莫雷尔(2005),„回顾图像去噪算法,用一个新的吗?暹罗在多尺度建模和模拟卷》杂志上。4,490 - 530页。
- 香农。和w·韦弗(1998),通信的数学理论,伊利诺伊大学出版社,。
- 杰夫•果园Mehran Ebrahimi,亚历山大•王(2008)„高效nonlocal-means使用奇异值分解去噪,?ICIP,页1732 - 1735。
- h . j . Seo p . Chatterjee h .武田和p . Milanfar(2007),„一些比较先进的图像去噪方法,?Proceeding41st艾斯洛玛尔会议信号,系统,和电脑。
- Sandeep Arya萨利姆汗,Dhrub Kumar Maitreyee Dutta ParveenLehana,“图像增强技术在超声图像使用光环转换,“国际期刊的基础计算机科学与技术(IJFCST)》,不。3,页1 - 10,2012年5月。
- Sandeep和ParveenLehana,发展种子分析仪使用计算机视觉技术,分布式和并行系统的国际期刊(IJDPS) 3卷,第155 - 149页,2012年。
- 克里史密斯和J.M.布雷迪(1997),„苏珊-一个低级图像处理的新方法,?国际计算机视觉杂志》,卷。23日,45 - 78页。
- 石油醚·雅罗斯拉夫斯基(1985),数字图像处理的介绍,施普林格1 -。
- 中华民国Osher、a .唯一和洛杉矶Vese(2003),„图像分解和恢复使用全变差最小化和h-1norm吗?MultiscaleModeling和仿真,1卷,349 - 370页。
- r . Ashino森本晃司,m .打乱阵脚,r·瓦兰蔻(2004),„图像压缩与多分辨率奇异值分解和其他方法,?crm - 2939,同前。
- 诉p s Naidu(2010),„离散余弦Transform-based图像融合,Def。科学。J。,Vol. 60, pp. 48-54.
- r。,Gonzalo (2005), Nonlinear Signal Processing – A statistical approach, Wiley-Interscience Inc., Publication, USA.
- m·a·穆罕默德·a·F中情局Fattah, a . s .亚欧会议,a . s . El-Bashbishy(2011)“医学图像过滤、融合和分类技术,”埃及支气管病学杂志》5卷,第142 - 151页。
|
菜单
