• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on advanced concepts for intelligent vision systems >Image Ridge Denoising Using No-Reference Metric
【24h】

Image Ridge Denoising Using No-Reference Metric

机译：使用无参考度量的图像岭去噪

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Image denoising methods depend on inner parameters that control filter strength, so the problem of the filter parameters choice arises. Parameter optimization can be done in the ridge areas, when we can analyze their appearance on the difference between original noisy and filtered image (so-called method noise image). If this difference is irregular, then the filtering strength can be increased. If regular components appear on method noise, then the filtering strength is too large. We use mutual information closely connected with conditional entropy for the analysis and consider images corrupted with Gaussian-like noise with small correlation radius. Ridge detection approach based on Hessian matrix eigenvalues analysis is used for estimation of sizes and directions of image characteristic details. Retinal images containing many ridges of different scales and directions from DRIVE and general images from TID2008 databases with added controlled Gaussian noise were used for testing with NLM and LJNLM-LR methods.
机译：图像去噪方法取决于控制滤波器强度的内部参数，因此出现了滤波器参数选择的问题。当我们可以根据原始噪声图像和滤波图像（所谓的方法噪声图像）之间的差异分析其外观时，可以在脊区域进行参数优化。如果该差异是不规则的，则可以增加过滤强度。如果方法噪音上出现常规成分，则过滤强度太大。我们使用与条件熵紧密相关的互信息进行分析，并考虑被具有高相关半径的类高斯噪声破坏的图像。基于Hessian矩阵特征值分析的岭检测方法被用于估计图像特征细节的大小和方向。 NLM和LJNLM-LR方法使用了包含来自DRIVE的不同比例和方向的许多脊的视网膜图像以及来自TID2008数据库的具有受控高斯噪声的普通图像进行了NLM和LJNLM-LR方法的测试。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号