Adaptive wavelet thresholding for image denoising using sure minimization and clustering of wavelet coefficients

• Autorzy: Fedak V. , Nakonechny A.

Identyfikatory

DOI

10.4467/2353737XCT.15.096.3928

Warianty tytułu

PL

Zastosowanie adaptacyjnych progów do redukcji szumów obrazów za pomocą minimizacji sure i klasterowania współczynników falkowych

• Języki publikacji: EN

Abstrakty

EN

Images and video are often coded using block-based discrete cosine transform (DCT) or discrete wavelet transform (DWT) which cause a great deal of visual distortions. In this paper, an extension of the intra-scale dependencies of wavelet coefficients is proposed to improve denoising performance. This method incorporates information on neighbouring wavelet coefficients that are inside of manually created clusters. Extensive experimental results are given to demonstrate the strength of the proposed method.

PL

Obrazy i nagrania wideo są często kodowane z użyciem blokowej dyskretnej transformacji kosinusowej (DCT) lub dyskretnej transformacji falkowej (DWT), które powodują znaczne zakłócenia wizualne. W niniejszej pracy proponuje się rozszerzenie zależności między współczynnikami falkowymi dotyczącymi skali w celu zmniejszenia zaszumienia sygnału zakodowanego. Zaproponowana metoda zakłada wykorzystanie informacji o sąsiadujących współczynnikach falkowych, które znajdują się wewnątrz manualnie utworzonego klastra. W artykule zaprezentowano obszerne wyniki doświadczalne w celu wykazania jakości proponowanej metody.

Słowa kluczowe

EN

artifacts; denoising; wavelet transformation

PL

artefakt; odszumianie; transformacja falkowa

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Czasopismo Techniczne. Elektrotechnika
• Rocznik: 2015
• Tom: Y. 112, iss. 2-E
• Strony: 197--210
• Opis fizyczny: Bibliogr. 15 poz., wz., wykr., tab.

Twórcy

autor

Fedak V.

• Computer System And Automatics, Lviv Polytechnic National University

autor

Nakonechny A.

• Computer System And Automatics, Lviv Polytechnic National University

Bibliografia

• [1] Fedak V.I., Nakonechny A.Y., Artifacts suppression in images and video. Non-Local Means as algorithm for reducing image and video distortions, Hluboka nad Vltavou, Czech Republic 2009.
• [2] Buades A., Image and film denoising bynon-local means, Ph.D. Thesis in Journal of Visual Commincation and Image Representation, March 2004, Vol. 1, No. 1, pp. 2–4, Article No. VC970378.
• [3] Luisier F., Blu T., Unser M., A New SURE Approach to Image Denoising: Inter-Scale Orthonormal Wavelet Thresholding, IEEE Transactions on Image Processing, 2007, Vol. 16, No. 3, pp. 593–606.
• [4] Zhou Z.-F., Shui P.-L., Contourlet-based image denoising algorithm using directional windows, Electronic Letters, 2007, Vol. 43, No. 2, pp. 92–93.
• [5] Olhede S.C., Hyperanalytic denoising, IEEE Transactions on Image Processing, 2007, Vol. 16, No. 6, pp. 1522–1537.
• [6] Donoho D.L., Johnstone I.M., Ideal spatial adaptation by wavelet shrinkage, Biometrika, 1994, Vol. 81, No. 3, pp. 425–455.
• [7] Fedak V., Nakonechny A., Spatio-temporal algorithm for coding artifacts reduction in highly compressed video, Technical Transactions Automatic Control, 2013.
• [8] Pizurica A., Philips W., Estimating the probability of the presence of a signal of interest in multiresolution single and multiband image denoising, IEEE Transactions on Image Processing, 2006, Vol. 15, No. 3, pp. 654–665.
• [9] Shui P.-L., Image Denoising Algorithm via Doubly Local Wiener Filtering With Directional Windows in Wavelet Domain, IEEE Signal Processing Letters, 2005, Vol. 12, No. 6, pp. 681–684.
• [10] Luisier F., Blu T., Unser M., A New SURE Approach to Image Denoising: Inter Scale Orthonormal Wavelet Thresholding, IEEE Transactions on Image Processing, 2007, Vol. 16, No. 3, pp. 593–606.
• [11] Achim A., Kuruoglu E.E., Image Denoising Using Bivariate -Stable Distributions in the Complex Wavelet Domain, IEEE Signal Processing Letters, 2005, Vol. 12, No. 1, pp. 17–20.
• [12] Donoho D.L., Johnstone I.M., Ideal spatial adaptation by wavelet shrinkage, Biometrika, 1994, Vol. 81, No. 3, pp. 425–455.
• [13] Chen G.Y., Bui T.D., Multi-wavelet Denoising using Neighboring Coefficients, IEEE Signal Processing Letters, 2003, Vol. 10, No. 7, pp. 211–214.
• [14] Stein C., Estimation of the mean of a multivariate normal distribution, Ann. Statist., 1981, Vol. 9, pp. 1135–1151.
• [15] Rohit Sihag, Rakesh Sharma, Varun Setia Wavelet, Thresholding for Image Denoising, International Conference on VLSI, Communication & Instrumentation (ICVCI), 2011.