วิธีการลบสัญญาณรบกวนแบบเกาส์ออกจากภาพโดยไม่ทำลายขอบภาพ?

ตัวกรองที่ดีที่สุดในการขจัดเสียงเกาส์โดยไม่ทำลายขอบคืออะไร? ฉันกำลังใช้ภาพ Lena มาตรฐานที่มีสัญญาณรบกวนแบบเกาส์เพิ่มเติมและฉันต้องการ denoise ก่อนที่จะใช้การกระจายแบบแอนไอโซทรอปิก ฉันไม่ต้องการกรองค่ามัธยฐานเนื่องจากขอบเบลอ ฉันพยายามกรองแบบปรับตัว แต่ผลลัพธ์ไม่เป็นที่น่าพอใจ

คุณอาจต้องพิจารณาเทคนิคขั้นสูงเพิ่มเติม ต่อไปนี้เป็นเอกสารสองฉบับเกี่ยวกับ denoising ที่รักษาขอบ:

• การรักษาภาพโดยใช้การลดขนาด ขอบด้วยการฉายภาพในพื้นที่สีที่เหมาะสม[เป็นสี]กระดาษนี้เก็บขอบไว้โดยการย่อยสลายภาพให้เป็นพื้นที่สีที่ "ดีที่สุด" และลดขนาดเวฟเล็ต พื้นที่สีที่เหมาะสมที่สุดเป็นของตระกูลความส่องสว่าง / ความแตกต่างของสี (คิดว่า L * a * b * หรือ YCrCb)

• โครงสร้างขอบการคงสภาพรูปภาพไว้จากกระดาษ:

วิธีการของเราขึ้นอยู่กับ [การวิเคราะห์การถดถอยแบบข้าม] และประกอบด้วยสามขั้นตอนหลักดังที่อธิบายไว้ด้านล่าง ก่อนตรวจพบพิกเซลขอบในพื้นที่การออกแบบทั้งหมดโดยเครื่องตรวจจับขอบ ประการที่สองในพื้นที่ใกล้เคียงของพิกเซลที่กำหนดเส้นโค้งเชิงเส้นเป็นชิ้น ๆ ประมาณจากพิกเซลขอบที่ตรวจพบโดยอัลกอริทึมที่เรียบง่าย แต่มีประสิทธิภาพเพื่อประมาณส่วนขอบต้นแบบในละแวกนั้น ในที่สุดความเข้มของภาพที่สังเกตเห็นในด้านเดียวกันของส่วนขอบโดยประมาณเป็นพิกเซลที่กำหนดจะถูกเฉลี่ยโดยวิธีการปรับให้เรียบของเคอร์เนลเชิงเส้น (cf. , [35]) เพื่อประเมินความเข้มของภาพที่แท้จริงที่พิกเซลที่กำหนด

( แบบจำลองการถดถอยแบบกระโดดรวมความไม่ต่อเนื่องโดยใช้ฟังก์ชั่นขั้นตอนผู้แต่งหลักมีหนังสือเกี่ยวกับเรื่องนี้)

ในฐานะที่เป็นจุดเริ่มต้นฉันจะใช้เทคนิคการหดตัวแบบไม่เป็นเชิงเส้นกับการแปลงเวฟเล็ตบางชนิด (แม้ว่าพวกเขาจะไม่เจาะจงกับการแปลงเวฟเล็ต) กฎการหดตัวเป็นแนวคิดที่ง่ายรวดเร็วและใช้งานง่ายในขณะที่ให้ผลลัพธ์ที่ยอดเยี่ยม

หลักฐานคือสัญญาณที่คุณต้องการสามารถแสดงในบางโดเมนซึ่งพลังงานส่วนใหญ่กระจุกอยู่ในค่าสัมประสิทธิ์จำนวนเล็กน้อย ในทางกลับกันเสียงยังคงแพร่กระจายไปทั่วค่าสัมประสิทธิ์ (ซึ่งน่าจะเป็นสำหรับ AWGN) จากนั้นคุณสามารถ "ลด" ค่าสัมประสิทธิ์ - ลดค่าตามกฎที่ไม่ใช่เชิงเส้นบางอย่างเช่นผลกระทบต่อสัญญาณมีขนาดเล็กเมื่อเทียบกับผลกระทบต่อเสียง

การแปลงเวฟเล็ตเป็นการแปลงที่ดีที่จะใช้เพราะมันสามารถบีบอัดพลังงานให้มีค่าสัมประสิทธิ์จำนวนน้อย ฉันเองแนะนำให้ใช้การแปลงเวฟเล็ตที่ซับซ้อนแบบดูอัลทรี (DTCWT) สำหรับคุณสมบัติที่ดีเพิ่มเติม

2 บทความที่ดีมากในหัวข้อนี้และนี่ (ทั้งจากผู้เขียนเดียวกัน) เอกสารเหล่านี้เป็นข้อปฏิบัติที่แท้จริงในแง่ของความสามารถในการอ่านและความชัดเจนของคำอธิบาย (นอกจากนี้ยังมีรูปภาพที่ดีของ Lenna ที่ถูกตัดทอน :)

มีเอกสารที่ใหม่กว่าอย่างแน่นอน แต่โดยทั่วไปแล้วพวกเขาจะไม่เพิ่มการปรับปรุงเชิงปริมาณมากนักสำหรับเทคนิคง่ายๆที่อธิบายไว้ในเอกสารเหล่านั้น

ในขณะที่ทุกความท้าทายในการประมวลผลสัญญาณไม่มีใครเหมาะสมกับโซลูชันทั้งหมดที่นี่เป็นแนวคิด:

1. เนื่องจากคุณพยายามรักษาขอบให้ค้นหาตำแหน่งที่อยู่ในภาพ ใช้ตัวตรวจจับขอบแสนรู้เพื่อค้นหาขอบภายในรูปภาพของคุณ
2. ย่อ / ขยายขอบเขตของขอบออกมาจากภาพ (อาจกว้าง 2-5 พิกเซลสำหรับแต่ละขอบ) ให้เรียกสิ่งนี้ว่า "หน้ากาก"
3. คว่ำหน้ากาก
4. ใช้หน้ากากกับรูปภาพของคุณคือปล่อยเฉพาะไอเท็มที่ไม่ได้ผ่านขอบ
5. ใช้เทคนิค de-gaussing
6. ใช้มาสก์ขอบเดิมเพื่อรับค่าพิกเซลภาพที่มีขอบ
7. วางกลับเข้าไปในภาพ de-gaussed

หรือคุณสามารถใช้เทคนิค De-gaussing ของคุณกับภาพโดยรวมแล้วนำพิกเซลที่ไม่ถูกลบออกกลับเข้าไปในภาพอีกครั้ง