Сопоставление блоков и 3D-фильтрация - Block-matching and 3D filtering
Сопоставление блоков и 3D-фильтрация (BM3D) - это 3-D алгоритм сопоставления блоков используется в основном для уменьшение шума в изображениях.[1]
Метод
Группировка
Фрагменты изображений сгруппированы по сходству, но в отличие от стандартных k-означает кластеризацию и тому подобное кластерный анализ методы, фрагменты изображения не обязательно непересекающийся. Этот алгоритм сопоставления блоков менее требовательна к вычислениям и полезна позже на этапе агрегации. Тем не менее, фрагменты имеют одинаковый размер. Фрагмент группируется, если его несхожесть с эталонным фрагментом падает ниже заданного порога. Этот метод группирования называется сопоставлением блоков, он обычно используется для группировки похожих групп в разных кадрах кадра. цифровое видео, BM3D с другой стороны может группировать макроблоки в пределах одного кадра. Все фрагменты изображения в группе затем складываются вместе, образуя трехмерные цилиндрические формы.
Совместная фильтрация
Фильтрация производится по каждой группе фрагментов. А [требуется разъяснение ] применяется линейное преобразование размеров, за которым следует усадка области преобразования, например Винеровская фильтрация, затем линейное преобразование инвертируется для воспроизведения всех (отфильтрованных) фрагментов.
Агрегация
Изображение снова преобразуется в его двухмерную форму. Все перекрывающиеся фрагменты изображения усредняются по весу, чтобы гарантировать, что они отфильтрованы от шума, но сохранят свой отчетливый сигнал.
Расширения
Цветные изображения
Изображения RGB можно обрабатывать так же, как изображения в оттенках серого. К изображению RGB следует применить преобразование яркость-цветность. Затем группировка завершается по каналу яркости, который содержит большую часть полезной информации и более высокий SNR. Этот подход работает, потому что шум в каналах цветности сильно коррелирован с шумом канала яркости, и он экономит приблизительно одну треть времени вычислений, поскольку группирование занимает приблизительно половину требуемого времени вычислений.
Удаление размытия
Алгоритм BM3D был расширен (IDD-BM3D), чтобы выполнять устранение размытости и шумоподавление с использованием равновесие по Нэшу баланс двух целевых функций.[2]
Сверточная нейронная сеть
Подход, объединяющий сверточная нейронная сеть был предложен и показывает лучшие результаты (хотя и с более медленным временем выполнения).[3] MATLAB код был выпущен для исследовательских целей.[4]
Реализации
- Эталонная реализация в MATLAB и Python выпущен под Открытый исходный код проприетарный лицензия:[5] BM3D
- Хорошо задокументированы[6] C -на основе реализации, выпущенной под GPLv3: bm3d
- CUDA и C ++ реализация, выпущенная под GPLv3: bm3d-gpu
Рекомендации
- ^ Дабов, Костадин; Фой, Алессандро; Катковник, Владимир; Егиазарян, Карен (16 июля 2007 г.). «Шумоподавление изображения с помощью разреженной совместной фильтрации в области трехмерного преобразования». IEEE Transactions по обработке изображений. 16 (8): 2080–2095. Bibcode:2007ITIP ... 16.2080D. CiteSeerX 10.1.1.219.5398. Дои:10.1109 / TIP.2007.901238.
- ^ Даниелян, Арам; Катковник, Владимир; Егиазарян, Карен (30 июня 2011 г.). "Рамки BM3D и удаление размытых изображений". IEEE Transactions по обработке изображений. 21 (4): 1715–28. arXiv:1106.6180. Bibcode:2012ITIP ... 21.1715D. Дои:10.1109 / TIP.2011.2176954. PMID 22128008.
- ^ Ан, Пёнён; Ик Чо, Нам (3 апреля 2017 г.). «Блочно-согласованная сверточная нейронная сеть для уменьшения шума изображения». arXiv:1704.00524 [Зрение и распознавание образов Компьютерное зрение и распознавание образов ].
- ^ «BMCNN-ISPL». Сеульский национальный университет. Получено 3 января 2018.
- ^ «LASIP - Официальное уведомление». Технологический университет Тампере (TUT). Получено 2 января 2018.
- ^ Лебрен, Марк (8 августа 2012 г.). «Анализ и реализация метода шумоподавления изображения BM3D». Обработка изображений в режиме онлайн. 2: 175–213. Дои:10.5201 / ipol.2012.l-bm3d.