این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۵، شماره ۲، صفحات ۱۷-۳۰
عنوان فارسی رفع نویز ویدئو توسط تبدیل قیچک قطعه‌ای
چکیده فارسی مقاله از روش‌های معمول در بهره‌برداری از نظام‌مندی‌ها و ویژگی‌های هندسی در سیگنال‌های چندبعدی می‌توان به استفاده از اتساع ناهمسانگرد[1] و مقیاس‌بندی سهموی[2] اشاره کرد که اساس تبدیلاتی همانند قیچک[3] و پیچک[4] را شکل می‌دهند. در چنین تبدیل‌هایی آنالیز کاملی از سیگنال ورودی صورت می‌پذیرد که با رشد تعداد ابعاد[5] داده، افزونگی آن به‌صورت نمایی زیاد شده و امکان پیاده‌سازی و استفاده عملی از آن‌ها را به‌شدت محدود می‌کند. در مقابل تبدیل‌های جدایی‌پذیر هر بعد داده ورودی را جداگانه مورد پردازش قرار می‌دهند که منجر به نادیده گرفته شدن نظام‌مندی‌های چندبعدی آن خواهد شد. با توجه به برتری نسبی تبدیل قیچک در مواجهه با داده‌های گسسته و برای فائق آمدن بر مشکلات پیچیدگی زمانی و افزونگی[6] تبدیل قیچک کلاسیک در آنالیز داده‌های چندبعدی، در این مقاله ویرایش جدیدی از تبدیل قیچک گسسته با قابلیت کنترل افزونگی ارائه می‌شود. به‌بیان‌دیگر با رویکرد جدید، به دنبال امکان برقراری مصالحه بهتر بین افزونگی و پیچیدگی زمانی تبدیل از یک‌سو با میزان کامل بودن آنالیز و بهره‌برداری آن از نظام‌مندی‌های ورودی از سوی دیگر هستیم. در این راستا ماتریس اتساع را به‌صورت قطری قطعه‌ای کاهش داده می‌شود که به معنای عملکرد مستقل آنالیز حاصل در زیرفضاهای متناظر با قطعه‌های مجزا خواهد بود. بدین ترتیب، شیوه تجزیه ماتریس اتساع به زیرقطعه‌ها ابزار کنترلی مناسبی برای میزان افزونگی و پیچیدگی محاسباتی تبدیل حاصل بدست می‌دهد. به‌عنوان یک نمونه از کاربرد عملی رویکرد پیشنهادی، در این مقاله روشی برای رفع نویز[7] ویدئو با استفاده از تبدیل قیچک قطعه‌ای ارائه شده و با تبدیل قیچک کلاسیک دو و سه‌بعدی مقایسه می‌شود. نتایج حاکی از آن است که رویکرد پیشنهادی با مصرف جزئی از زمان و حافظه تبدیل سه‌بعدی می‌تواند افزایش کیفیت قابل‌توجهی نسبت به تبدیل دوبعدی ارائه کند   [1] Anisotropic Dilations [2] Parabolic [3] Shearlets [4] Curvelets [5] Dimensions [6] Redundancy [7] Denoising
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Video denoising technique based on block shearlet transform
چکیده انگلیسی مقاله Parabolic scaling and anisotropic dilation form the core of famous multiresolution transformations such as curvelet and shearlet which are widely used in signal processing applications like denoising. These non-adaptive geometrical wavelets are commonly used to extract structures and geometrical features of multi-dimensional signals and preserve them in noise removal treatments. In discrete setups, it is shown that shearlets can outperform other rivals since in addition to scaling, they are formed by shear operator which can fully remain on integer grid. However, the redundancy of multidimensional shearlet transform exponentially grows with respect to the number of dimensions which in turn leads to the exponential computational and space complexity. This seriously limits the applicability of shearlet transform in higher dimensions. In contrast, separable transforms process each dimension of data independent of other dimensions which result in missing the informative relations among different dimensions of the data. Therefore in this paper a modified discrete shearlet transform is proposed which can overcome the redundancy and complexity issues of the classical transform. It makes a better tradeoff between completeness of the analysis achieved by processing full relations among dimensions on one hand and the redundancy and computational complexity of the resulting transform on the other hand. In fact, how dilation matrix is decomposed and block diagonalized, gives a tuning parameter for the amount of inter dimension analysis which may be used to control computation complexity and also redundancy of the resultant transform. In the context of video denoising, three different decompositions are proposed for 3x3 dilation matrix. In each block diagonalization of this dilation matrix, one dimension is separated and the other two constitute a 2D shearlet transform. The three block shearlet transforms are computed for the input data up to three levels and the resultant coefficients are treated with automatically adjusted thresholds. The output is obtained via an aggregation mechanism which combine the result of reconstruction of these three transforms. Using experiments on standard set of videos at different levels of noise, we show that the proposed approach can get very near to the quality of full 3D shearlet analysis while keep the computational complexity (time and space) comparable to the 2D shearlet transform.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حجت باقرزاده حسین آباد | Hojjat Bagherzadeh Hossein Abad
Ferdowsi university of mashhad
دانشگاه فردوسی مشهد

احد هراتی | Ahad Harati
Ferdowsi university of mashhad
دانشگاه فردوسی مشهد

زهرا امیری | Zahra Amiri
Ferdowsi university of mashhad
دانشگاه فردوسی مشهد

رجبعلی کامیابی گل | Rajab Ali Kamyabi-Gol
Ferdowsi university of mashhad
دانشگاه فردوسی مشهد

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1026-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-877394.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات