Сопоставление блоков и 3D-фильтрация
Сопоставление блоков и 3D-фильтрация трехмерных (BM3D) — это алгоритм сопоставления блоков, используемый в основном для снижения шума в изображениях . [1] Это одно из расширений методологии нелокальных средств. [2] В BM3D есть два каскада: жесткий пороговый уровень и этап фильтра Винера , оба включают в себя следующие части: группировку, совместную фильтрацию и агрегацию. Этот алгоритм зависит от расширенного представления на сайте преобразования. [3]
Метод
[ редактировать ]Группировка
[ редактировать ]Фрагменты изображения группируются по сходству, но в отличие от стандартной кластеризации k-средних и подобных методов кластерного анализа , фрагменты изображения не обязательно не пересекаются . Этот алгоритм сопоставления блоков требует меньше вычислительных ресурсов и может быть полезен на более позднем этапе агрегирования. Однако фрагменты имеют одинаковый размер.Фрагмент группируется, если его несходство с эталонным фрагментом падает ниже заданного порога.Этот метод группировки называется сопоставлением блоков. Он обычно используется для группировки похожих групп в разных кадрах цифрового видео . С другой стороны, BM3D может группировать макроблоки в одном кадре.Все фрагменты изображения в группе затем складываются в стопки, образуя трехмерные цилиндрические формы.
Совместная фильтрация
[ редактировать ]Фильтрация производится по каждой группе фрагментов. А [ нужны разъяснения ] применяется линейное преобразование измерений, за которым следует сжатие области преобразования, такое как фильтрация Винера , затем линейное преобразование инвертируется для воспроизведения всех (отфильтрованных) фрагментов.
Агрегация
[ редактировать ]Изображение преобразуется обратно в свою двумерную форму. Все перекрывающиеся фрагменты изображения усредняются по весу, чтобы гарантировать, что они отфильтрованы от шума, но сохраняют свой отчетливый сигнал.
Расширения
[ редактировать ]Цветные изображения
[ редактировать ]Изображения RGB можно обрабатывать так же, как изображения в оттенках серого. К изображению RGB следует применить преобразование яркость-цветность. Затем группировка завершается на канале яркости, который содержит большую часть полезной информации и имеет более высокий SNR. Этот подход работает, поскольку шум в каналах цветности сильно коррелирует с шумом канала яркости, и он экономит примерно одну треть вычислительного времени, поскольку группировка занимает примерно половину требуемого вычислительного времени.
Удаление размытия
[ редактировать ]Алгоритм BM3D был расширен (IDD-BM3D) для выполнения раздельного устранения размытия и шумоподавления с использованием равновесного баланса Нэша двух целевых функций. [4]
Сверточная нейронная сеть
[ редактировать ]подход, интегрирующий сверточную нейронную сеть , который показывает лучшие результаты (хотя и с более медленным временем выполнения). Был предложен [5] Код MATLAB был выпущен для исследовательских целей. [6]
Реализации
[ редактировать ]- Эталонная реализация в MATLAB и Python , выпущенная под лицензией с открытым исходным кодом проприетарной : [7] БМ3Д
- Хорошо документировано [8] C Реализация на основе , выпущенная под лицензией GPLv3 : bm3d.
- CUDA и C++ Реализация на основе , выпущенная под лицензией GPLv3 : bm3d-gpu.
Ссылки
[ редактировать ]- ^ Дабов, Костадин; Фой, Алессандро; Катковник Владимир; Егиазарян, Карен (16 июля 2007 г.). «Подавление шума изображения с помощью разреженной совместной фильтрации трехмерной области преобразования». Транзакции IEEE при обработке изображений . 16 (8): 2080–2095. Бибкод : 2007ITIP...16.2080D . CiteSeerX 10.1.1.219.5398 . дои : 10.1109/TIP.2007.901238 . ПМИД 17688213 . S2CID 1475121 .
- ^ Манхон, Хосе В.; Карбонелл-Кабальеро, Хосе; Лулл, Хуан Дж.; Гарсиа-Марти, Грасиан; Марти-Бонмати, Луис; Роблес, Монтсеррат (1 августа 2008 г.). «Подавление шума при МРТ с использованием нелокальных средств» . Анализ медицинских изображений . 12 (4): 514–523. дои : 10.1016/j.media.2008.02.004 . ISSN 1361-8415 . ПМИД 18381247 .
- ^ Маджиони, М.; Катковник В.; Егиазарян, К.; Фой, А. (январь 2013 г.). «Нелокальный фильтр области преобразования для шумоподавления и реконструкции объемных данных» . Транзакции IEEE при обработке изображений . 22 (1): 119–133. дои : 10.1109/TIP.2012.2210725 . ISSN 1057-7149 . ПМИД 22868570 . S2CID 1295558 .
- ^ Даниелян, Арам; Катковник Владимир; Егиазарян, Карен (30 июня 2011 г.). «Кадры BM3D и вариационное устранение размытия изображений». Транзакции IEEE при обработке изображений . 21 (4): 1715–28. arXiv : 1106.6180 . Бибкод : 2012ITIP...21.1715D . дои : 10.1109/TIP.2011.2176954 . ПМИД 22128008 . S2CID 11204616 .
- ^ Ан, Пёнён; Ик Чо, Нам (3 апреля 2017 г.). «Сверточная нейронная сеть с сопоставлением блоков для шумоподавления изображений». arXiv : 1704.00524 [ Видение и распознавание образов. Компьютерное зрение и распознавание образов ].
- ^ «БМКНН-ИСПЛ» . Сеульский национальный университет . Проверено 3 января 2018 г.
- ^ «LASIP — Официальное уведомление» . Технологический университет Тампере (ТУТ) . Проверено 2 января 2018 г.
- ^ Лебрен, Марк (8 августа 2012 г.). «Анализ и реализация метода шумоподавления изображения BM3D» . Обработка изображений в режиме онлайн . 2 : 175–213. doi : 10.5201/ipol.2012.l-bm3d .