論文の概要: Moment Transform-Based Compressive Sensing in Image Processing
- arxiv url: http://arxiv.org/abs/2111.07254v1
- Date: Sun, 14 Nov 2021 06:19:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-16 17:48:08.971764
- Title: Moment Transform-Based Compressive Sensing in Image Processing
- Title（参考訳）: 画像処理におけるモーメント変換に基づく圧縮センシング
- Authors: T. Kalampokas and G.A. Papakostas
- Abstract要約: 本稿では離散コサイン変換(DCT)とモーメント変換(Tchebichef, Krawtchouk)を比較する。
後者の変換は30.82dBのPSNRが高く、チェビシェフ変換と同じ0.91SSIM値を示す。
空間的視点から見ると、KrawtchoukモーメントはDCTよりも約20-30%スパースな結果をもたらす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Over the last decades, images have become an important source of information
in many domains, thus their high quality has become necessary to acquire better
information. One of the important issues that arise is image denoising, which
means recovering a signal from inaccurately and/or partially measured samples.
This interpretation is highly correlated to the compressive sensing theory,
which is a revolutionary technology and implies that if a signal is sparse then
the original signal can be obtained from a few measured values, which are much
less, than the ones suggested by other used theories like Shannon's sampling
theories. A strong factor in Compressive Sensing (CS) theory to achieve the
sparsest solution and the noise removal from the corrupted image is the
selection of the basis dictionary. In this paper, Discrete Cosine Transform
(DCT) and moment transform (Tchebichef, Krawtchouk) are compared in order to
achieve image denoising of Gaussian additive white noise based on compressive
sensing and sparse approximation theory. The experimental results revealed that
the basis dictionaries constructed by the moment transform perform
competitively to the traditional DCT. The latter transform shows a higher PSNR
of 30.82 dB and the same 0.91 SSIM value as the Tchebichef transform. Moreover,
from the sparsity point of view, Krawtchouk moments provide approximately
20-30% more sparse results than DCT.
- Abstract（参考訳）: 過去数十年間、画像は多くの領域において重要な情報源となり、その高品質さがより良い情報を得るために必要となってきた。
重要な問題の1つは、不正確なサンプルおよび/または部分的に測定されたサンプルからの信号の復元である。
この解釈は、信号がスパースである場合、元の信号はいくつかの測定値から得ることができ、シャノンのサンプリング理論のような他のよく使われる理論よりもはるかに少ないことを示唆する、革命的技術である圧縮センシング理論と非常に相関している。
圧縮センシング(cs)理論における最もスパースな解と破損画像からのノイズ除去を達成する強力な要因は基底辞書の選択である。
本稿では, 離散コサイン変換 (DCT) とモーメント変換 (Tchebichef, Krawtchouk) を比較し, 圧縮センシングおよびスパース近似理論に基づくガウス加法的白色雑音の画像分解を実現する。
実験の結果,モーメント変換によって構築された基本辞書は従来のDCTと競合することがわかった。
後者の変換は30.82dBのPSNRが高く、チェビシェフ変換と同じ0.91SSIM値を示す。
さらに、空間性の観点からは、KrawtchoukモーメントはDCTよりも約20～30%スパースな結果をもたらす。
関連論文リスト
- Approximately Invertible Neural Network for Learned Image Compression [19.330720001489937]
本稿では,学習画像圧縮のための約可逆ニューラルネットワーク(A-INN)フレームワークを提案する。
INNと量子化を用いた場合、損失画像圧縮における速度歪みの最適化を定式化する。
大規模な実験により,提案したA-INNは既存の学習画像圧縮法よりも優れていた。
論文 参考訳（メタデータ） (2024-08-30T07:57:47Z) - Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - End-to-End Optimized Image Compression with the Frequency-Oriented
Transform [8.27145506280741]
本稿では,周波数指向変換により最適化された画像圧縮モデルを提案する。
このモデルは任意の周波数成分を選択的に伝送することでスケーラブルな符号化を可能にする。
次世代標準H.266/VVCを含む従来のコーデックをMS-SSIMで比較した。
論文 参考訳（メタデータ） (2024-01-16T08:16:10Z) - Improvement of Color Image Analysis Using a New Hybrid Face Recognition
Algorithm based on Discrete Wavelets and Chebyshev Polynomials [0.0]
この研究は、第2種と第3種のチェビシェフ進化から作られた、または派生した離散ウェーブレットの使用に特有である。
カラー画像の解析には、フィルタ離散第3チェビシェフウェーブレット変換(FDTCWT)を用いる。
最良の結果は正確さと最小限の時間で達成された。
論文 参考訳（メタデータ） (2023-03-23T10:20:19Z) - Complex-valued Retrievals From Noisy Images Using Diffusion Models [26.467188665404727]
顕微鏡では、センサーは実測値の強度のみを測定し、さらに、センサーの読み出しはポアソニアン分布光子ノイズの影響を受けます。
従来の復元アルゴリズムは、元の画像と復元された画像の間の平均2乗誤差(MSE)を最小限にすることを目的としている。
これはしばしば知覚品質の悪いぼやけた結果につながる。
論文 参考訳（メタデータ） (2022-12-06T18:57:59Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。
繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。
提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文 参考訳（メタデータ） (2022-06-04T00:08:58Z) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳（メタデータ） (2022-03-29T13:07:53Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳（メタデータ） (2022-03-21T11:44:17Z) - Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。
低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。
既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
論文 参考訳（メタデータ） (2021-09-13T12:45:08Z) - Designing a Practical Degradation Model for Deep Blind Image
Super-Resolution [134.9023380383406]
単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。
本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
論文 参考訳（メタデータ） (2021-03-25T17:40:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。