Подавление шума в изображениях Алексей Лукин Дарья Калинкина Лаборатория компьютерной графики и мультимедиа, МГУ, 2005 «ЛОМОНОСОВ-2005» - презентация

1 Подавление шума в изображениях Алексей Лукин Дарья Калинкина Лаборатория компьютерной графики и мультимедиа, МГУ, 2005 «ЛОМОНОСОВ-2005»

2 ЛОМОНОСОВ-2005 Постановка задачи Удаление аддитивного широкополосного стационарного шума Удаление аддитивного широкополосного стационарного шума Пример – шум CCD-матрицы цифровой фотокамеры (близок к белому) Пример – шум CCD-матрицы цифровой фотокамеры (близок к белому)

3 ЛОМОНОСОВ-2005 Существующие подходы Подавление в пространстве вейвлет- коэффициентов (wavelet thresholding) Подавление в пространстве вейвлет- коэффициентов (wavelet thresholding) DWT

4 ЛОМОНОСОВ-2005 Существующие подходы Подавление в пространстве вейвлет- коэффициентов (wavelet thresholding) Подавление в пространстве вейвлет- коэффициентов (wavelet thresholding) + Подавление шума различного масштаба – Алиасинг (решается применением непрореженного DWT) Плохое компактирование энергии для наклонных границ

5 ЛОМОНОСОВ-2005 Существующие подходы PCA-денойзинг (Muresan, Parks, 2003) PCA-денойзинг (Muresan, Parks, 2003) … … 64 базисных вектора

6 ЛОМОНОСОВ-2005 Существующие подходы PCA-денойзинг (Muresan, Parks, 2003) PCA-денойзинг (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

7 ЛОМОНОСОВ-2005 Предлагаемый метод Различный размер блоков PCA для низких и высоких частот Различный размер блоков PCA для низких и высоких частот –Уменьшение блока для высоких частот (для уменьшения эффекта Гиббса) –Увеличение блока для низких частот (для подавления более крупных шумов) PCA-денойзинг с маленькими блоками Микшер коэффициентов y[i,j]x 3 [i,j] PCA-денойзинг с большими блоками DWT IDWT x 1 [i,j] x 2 [i,j]

8 ЛОМОНОСОВ-2005 Предлагаемый метод Оптимизация Оптимизация –Поскольку из сигнала x 2 [i,j] будут взяты только низкие частоты, то его можно получать из вдвое прореженной копии изображения y[i,j] (при этом размер блока PCA также уменьшается вдвое) PCA-денойзинг с маленькими блоками Микшер коэффициентов y[i,j]x 3 [i,j] PCA-денойзинг с [большими] блоками DWT IDWT x 1 [i,j] x 2 [i,j] 2H 2H

9 ЛОМОНОСОВ-2005 Предлагаемый метод Дополнительные модификации Дополнительные модификации Отбор кандидатов в тренировочные блоки для PCA (на основе близости к центральному блоку по содержимому) Отбор кандидатов в тренировочные блоки для PCA (на основе близости к центральному блоку по содержимому) Переход в адаптивное новое цветовое пространство, компактирующее энергию («локальная одномерная цветовая модель») Переход в адаптивное новое цветовое пространство, компактирующее энергию («локальная одномерная цветовая модель») Улучшение обусловленности операции нахождения собственных векторов (с помощью добавления слабого шума – dithering) Улучшение обусловленности операции нахождения собственных векторов (с помощью добавления слабого шума – dithering)

10 ЛОМОНОСОВ-2005 Результаты Зашумленное изображениеВейвлетный денойзинг

11 ЛОМОНОСОВ-2005 Результаты PCA-денойзингПредлагаемый метод

12 ЛОМОНОСОВ-2005 Результаты Зашумленное изображение Вейвлетный денойзинг Программа Neat Image Предлагаемый метод

13 ЛОМОНОСОВ-2005 Результаты Увеличение PSNR в результате шумоподавления

14 ЛОМОНОСОВ-2005 Результаты Измерения PSNR Измерения PSNR Метод Среднее PSNR- MSUHVS Среднее PSNR- CIEDE2000 Зашумленное изображение Адаптивные гауссианы Непрореженное DWT Модифициров.PCA Предложенныйметод

15 ЛОМОНОСОВ-2005 Вопросы ?