ตัวแบบเชิงการแปรผันที่ปรับปรุงสำหรับกำจัดสัญญาณรบกวนออกจากภาพที่เกิดจากสัญญาณรบกวนแบบผสม
Article Sidebar
Main Article Content
บทคัดย่อ
การลดสัญญาณรบกวนออกจากภาพเป็นงานพื้นฐานที่สำคัญในการฟื้นฟูภาพ โดยมีเป้าหมายเพื่อกำจัดสัญญาณรบกวนออกจากภาพถ่ายดิจิตัลที่เสียหายและปรับปรุงคุณภาพของภาพก่อนการนำภาพไปประยุกต์ใช้ โดยทั่วไปสัญญาณรบกวนถูกแบ่งออกเป็น 2 ประเภท คือสัญญาณรบกวนแบบการบวกและแบบการคูณ ในงานวิจัยนี้ ผู้วิจัยได้นำเสนอตัวแบบเชิงการแปรผันสำหรับกำจัดทั้งสัญญาณรบกวนแบบการบวกและการคูณออกจากภาพในขั้นตอนเดียวจำนวน 3 ตัวแบบ ได้แก่ ตัวแบบ KKWV-TV ตัวแบบ KKWV-TL และตัวแบบ KKWV-TVL พร้อมทั้งวิธีการเชิงตัวเลขสำหรับแก้สมการเชิงอนุพันธ์ที่เกี่ยวข้อง ผลการทดลองเชิงตัวเลขกับทั้งภาพสังเคราะห์ ภาพจริง และภาพถ่ายทางการแพทย์แสดงให้เห็นว่าตัวแบบทั้งสามสามารถให้ผลลัพธ์จากการกำจัดสัญญาณรบกวนออกจากภาพที่มีความแม่นยำ และน่าเชื่อถือ นอกจากนี้ขั้นตอนวิธีเชิงตัวเลขที่ได้นำเสนอสามารถแก้ปัญหาได้อย่างมีประสิทธิภาพ โดยตัวแบบ KKWV-TVL มีความแม่นยำสูงกว่าตัวแบบ KKWV-TV และตัวแบบ KKWV-TL
Article Details
เอกสารอ้างอิง
Hirakawa, K. and Parks, T.W., 2006, Image denoising using total least squares, IEEE Trans. 15(9): 2730–2746.
Lukin, V. V., Fevralev, D. V., Ponomarenko, N. N., Abramov, S. K., Pogrebnyak, O., Egiazarian, K. O. and Astola, J. T., 2010, Discrete cosine transform-based local adaptive filtering of images corrupted by nonstationary noise, J. Electron. Imaging, 19(2): 023007.
Rudin, L., Osher, S. and Fatemi, E., 1992, Nonlinear total variation based noise removal algorithms. Physica D, 60: 259–268.
Chumchob, N., Chen, K. and Brito-Loeza, C., 2013, A new variational model for removal of combined additive and multiplicative noise and a fast algorithm for its numerical approximation. International Journal of Computer Mathematics, 90(1): 140–161.
Jin, Z. and Yang, X., 2010, Analysis of a new variational model for multiplicative noise removal, J. Math. Anal. Appl. 362: 259–268.
You, Y.L. and Kaveh, M., 2000, Fourth-order partial differential equations for noise removal, IEEE Transactions on Image Processing, 9(10): 1723–1730.
Zheng, S.X., Pan, Z.K., Jiang, C.X. and Wang, G.D., 2013, A new fast algorithm for image denoising, 3rd International Conference on Multimedia Technology, 682–689.
Wang, G.D., Xu, J., Dong, Q. and Pan, Z.L., 2014, Active contour model coupling with higher order diffusion for medical image segmentation, Int J Biomed Imaging., 2014: 1–8.
Chan, R.H., Liang, H.X., Wei, S.H., Nikolova, M. and Tai, X.C., 2015, High-order total variation regularization approach for axially symmetric object tomography from a single radiograph, Inverse Problems and Imaging, 9(1): 55–77.
Loupas T., McDicken W. and Allan P., 1989, An adaptive weighted median filter for speckle suppression in medical ultrasound images, IEEE Transactions on Circuits and Systems, 36(1): 129–135.
Krissian K., Kikinis R., Westin C.F. and Vosburgh K. K., 2005, Speckle constrained filtering of ultrasound images, IEEE Comput. Vis. Pattern Recogn., 15: 547–552.
Goldstein, T. and Osher, S., 2009, The split bregman method for l1-regularized problems, SIAM Journal on Sciences, 2(2): 323-343.
Lu, W., Duan, J., Qiu, Z., Pan, Z., Liu, R. and Bai, L., 2015, Implementation of high-order variational models made easy for image processing, Math. Methods Appl. Sci., 39: 4208-4233.
