Metody usuwania szumu z obrazów twarzy

Andrysiak, T.; Naumowski, L.

Artykuł - szczegóły

Tytuł artykułu

Metody usuwania szumu z obrazów twarzy

Autorzy

Andrysiak T. , Naumowski L.

Identyfikatory

Warianty tytułu

Noise removing methods from face images

Języki publikacji

Abstrakty

W artykule przedstawiono propozycje aproksymacyjnej metody usuwania szumu impulsowego z obrazów twarzy. Dla osiągnięcia tego celu wykorzystano adaptacyjną dekompozycję obrazu względem wyszukanych i dopasowanych elementów określonego słownika. Praktyczną realizację opisywanej metody oparto na iteracyjnym rozwiązaniu zachłannym MP (ang. Matching Pursuit). Zaimplementowano trzy typy słowników oraz przebadano ich wpływ na jakość odszumianych obrazów.

In this paper we present the proposal of approximation methods for impulse noise removal from face images. We used adaptive image decomposition with the matched dictionaries. The method is based on iterative Matching Pursuit algorithm. Three different types of algorithms have been implemented and tested.

Słowa kluczowe

biometria adaptacyjna dekompozycja obrazów słowniki funkcji odszumianie obrazów

biometrics adaptive decomposition of images dictionaries offunctions image denoising

Wydawca

Wydawnictwo SIGMA-NOT

Czasopismo

Elektronika : konstrukcje, technologie, zastosowania

Rocznik

2011

Tom

Vol. 52, nr 5

Strony

142--146

Opis fizyczny

Bibliogr. 20 poz., il., wykr.

Twórcy

autor

Andrysiak T.

autor

Naumowski L.

Instytut Telekomunikacji, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Bibliografia

[1] Aharon M., Elad M., Bruckstein A.: K-SVD: An algorithm for designing overcomplete dictionaries for sparse representation. IEEE Transactions Signal Processing, 54, 11, pp. 4311-4322, 2006.
[2] Banham M. R., Brailean J. C.: A selective update approach to matching pursuits video coding. IEEE Transactions on Curcuits and Systems Video Technology, vol. 7, no. 1, pp. 119-129, 1997.
[3] Bergeaud R, Mallat S.: Matching pursuit of images. in Proc. IEEE International Conference on Image Processing ICIP '95, vol. 1, pages 53-56, 1995.
[4] Białasiewicz J. T.: Falki i aproksymacje. WNT Warszawa 2004.
[5] Bruckstein A. M., Donoho D. L., Elad M.: From sparse solutions of systems of equations to sparse modeling of signals and images. SIAM Review, vol. 51, no. 1, pp. 34-81, 2009.
[6] Davis G., Mallat S., Avellaneda M.: Adaptive greedy approximations. Journal of Constructive Approximation, vol. 13, pp. 57-98. 1997.
[7] Durka P. J.: Między czasem a częstotliwością: elementy współczesnej analizy sygnałów. 2004. http://brain.fuw.edu.pl/~durka/as/
[8] Durka P. J.: Time-frequency analyses of EEG,dissertation. Institute of Experimental Physic, Warsaw University, 1996.
[9] Elad M.: Sparse and Redundant Representations: From Theory to Applications in Signal and Image Processing, Springer, 2010.
[10] Elad M., Aharon M.: Image denoising via sparse and redundant: representations over learned dictionaries. IEEE Transactions Image Processing, vol. 54, pp. 3736-3745, 2006.
[11] Gabor D.: Theory of communication. Journal of Institution Electrical Engineering, vol. 93, no. 26, pp. 429-157, 1946.
[12] Haar A.: Zur Theorie der orthogonalen Funktionensysteme. Mathematische Annalen, vol. 69, pp. 331-371, 1910.
[13] Janssen A.: Gabor representation of generalized functions, Journal of the Mathematical. Analysis. and Applications, vol. 83, no. 2, pp. 377-394, 1981.
[14] Liu Q., Wang Q., Wu L.: Size of the dtctionary in matching pursuit algorithm. IEEE Transactions on Signal Processing, vol. 52, no. 12, pp. 3403-3408. 2004.
[15] Mallat S., Zhang Z.: Matching pursuits with time-frequency dictionaries. IEEE Transactions on Signal Processing, vol. 41, no. 12, pp. 3397-3415, 1993.
[16] Portilla J., Strela V., Wainwright M. J., Simoncelli E. P.: Image denoising using scale mixture of Gaussians in the wavelet domain. IEEE Transactions on Image Processing, vol. 12, no. 11, pp. 1338-1351, 2003.
[17] Rubinstein R., Bruckstein M., Elad M.: Dictionaris for Sparse Representation Modeling. Proceedings of the IEEE, vol. 98, pp. 1045-1057, 2010.
[18] Stegmann M., Ersboll B. K., Larsen R.: FAME-a flexible appearance modeling environment. IEEE T. on Medical Imaging, vol. 22, no. 10, 1319-1331,2003.
[19] Tropp J. A.: Greed is good: Algorithmic results for sparse approximation. ICES Report 03-04, The University of Texas at Aus-tin,2003.
[20] http://www.bioid.com/support/downloads/software/bioid-face-database.html.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BWAK-0024-0027