19633

۱۹۶۳۳

بهينه سازي الگوريتم هاي مبتني بر ميانگين غير محلي براي حذف نويز گوسي از تصاوير

كارشناسي ارشد

الكترونيك

۱۳۹۲

۱۳۹۵/۱۲/۰۱

دكتر ميرزا كوچكي

برق

چكيده: حذف نويز، يكي از مسائل مهم در پردازش تصاوير ديجيتال مي‌باشد. پيشرفت ابزار تصويربرداري تا حد زيادي نويز تصاوير را كاهش داده، اما هنوز هم تصوير بدون نويز وجود ندارد. تلاش‌هاي فراوان براي حذف نويز از تصاوير صورت گرفته و فيلترهاي گوناگوني ارائه شده است. در سال‌هاي اخير، روش جديد و كارامدي با نام ميانگين‌گيري غيرمحلي (NL-means) مورد توجه قرار گرفته است. در اين روش، با ميانگين گرفتن پيكسل‌هاي مشابه، كيفيت مطلوبي از تصوير به دست مي‌آورند به گونه اي كه لبه‌ها به خوبي حفظ شده وتصويري با كيفيت بالا توليد مي‌شود. اما محاسبات يافتن پيكسل‌هاي مشابه بسيار سنگين بوده و مشكلات بسياري را براي استفاده از آن ايجاد مي كند. در اين پايان نامه، ابتدا روش‌هايي كه تاكنون براي افزايش سرعت ميانگين‌گيري غيرمحلي اجرا شده، بررسي مي‌شود و سپس به وسيله الگوي باينري محلي (LBP) روش جديدي براي حذف محاسبات اضافي معرفي مي‌گردد. الگوي باينري محلي مي‌تواند پنجره‌هاي همسايگي را به صورت ساده توصيف كند. در اين مرحله، از اين توصيف ساده استفاده شده تا محاسبات اضافي حذف گردند. با مقايسه الگوهاي باينري محلي پنجره‌هاي همسايگي پيرامون تمام پيكسل‌‌ها، جفت پيكسل‌هايي كه به هم شباهتي ندارند شناسايي شده و از عمليات وزن يابي و ميانگين‌گيري كنار گذاشته مي‌شود. در گام بعدي به وسيله روش PCA، ابعاد جستجو را كاهش داده و در نتيجه سرعت پردازش و كيفيت تصوير باز هم افزايش مي‌يابد.. نتايج به دست آمده، بهبود قابل توجهي در سرعت الگوريتم ميانگين غير محلي نشان مي دهد.

1397/08/23

Improvement of Non Local Mean Algorithm Based on Image Denoising of Gaussian

2/19/2017 12:00:00 AM

Abstract Noise reduction is important in digital image processing. The Improvements of photographing instrument reduce the image noise. However, still we need more powerful schemes to remove noise. Considerable number of researches has been done on noise reduction and various filters have been introduced such as non-local means (NL-means). This approach provides a pleasant quality of a noisy image. This scheme is based on following from calculating averages of similar pixels in image. However finding similar pixels are a heavily time consuming task. This dissertation investigates recent methods to speedup none NL-means. Then, a new approach based on local binary pattern (LBP) to improve to computational cost of NL-means is introduced. LBP is able to describe neighborhoods simply. This description is utilized to bypass the extra calculations. In the first phase, dissimilar pixel pairs are detected by comparing local binary patterns of all pixels’ neighborhoods and they are simply ignored from computation process. In the next phase, by employing PCA method, the dimensions of search space are reduced; thus, processing speed and image quality are improved more than NL-means. Experimental result show significant improvement compared with NL-means.