論文の概要: Comparative Analysis of Non-Blind Deblurring Methods for Noisy Blurred
Images
- arxiv url: http://arxiv.org/abs/2205.03464v1
- Date: Fri, 6 May 2022 20:07:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-10 16:48:30.494476
- Title: Comparative Analysis of Non-Blind Deblurring Methods for Noisy Blurred
Images
- Title（参考訳）: ぼやけた画像に対する非ブリンドデブラリング法の比較解析
- Authors: Poorna Banerjee Dasgupta
- Abstract要約: Weener deconvolution, Lucy-Richardson deconvolution, and regularized deconvolution were analyzed for noisy image with salt-and-pepper noise。
その結果,ノイズ画像の除去に最適な手法が得られた。
- 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: Image blurring refers to the degradation of an image wherein the image's
overall sharpness decreases. Image blurring is caused by several factors.
Additionally, during the image acquisition process, noise may get added to the
image. Such a noisy and blurred image can be represented as the image resulting
from the convolution of the original image with the associated point spread
function, along with additive noise. However, the blurred image often contains
inadequate information to uniquely determine the plausible original image.
Based on the availability of blurring information, image deblurring methods can
be classified as blind and non-blind. In non-blind image deblurring, some prior
information is known regarding the corresponding point spread function and the
added noise. The objective of this study is to determine the effectiveness of
non-blind image deblurring methods with respect to the identification and
elimination of noise present in blurred images. In this study, three non-blind
image deblurring methods, namely Wiener deconvolution, Lucy-Richardson
deconvolution, and regularized deconvolution were comparatively analyzed for
noisy images featuring salt-and-pepper noise. Two types of blurring effects
were simulated, namely motion blurring and Gaussian blurring. The said three
non-blind deblurring methods were applied under two scenarios: direct
deblurring of noisy blurred images and deblurring of images after denoising
through the application of the adaptive median filter. The obtained results
were then compared for each scenario to determine the best approach for
deblurring noisy images.
- Abstract（参考訳）: 画像のぼやけとは、画像全体のシャープさが低下する画像の劣化を指す。
画像のぼかしはいくつかの要因によって引き起こされる。
さらに、画像取得プロセス中に、画像にノイズが追加されることがある。
このようなノイズやぼやけた画像は、元の画像と関連する点拡散関数との畳み込みによる画像と付加ノイズとして表現することができる。
しかし、ぼやけた画像は、しばしば、可視な原画像を一意に決定する不適切な情報を含む。
ぼやけた情報の利用可能性に基づいて、画像劣化法は盲目と非盲目に分類される。
非盲検画像では、対応する点拡散関数と付加雑音に関する先行情報が知られている。
本研究の目的は、ぼやけた画像に存在するノイズの識別と除去に関して、非盲検画像除去法の有効性を判定することである。
本研究では, 塩・ペッパーノイズを含む雑音画像に対して, ウィナーデコンボリューション, ルーシー・リチャードソンデコンボリューション, 正規化デコンボリューションの3つの非ブラインド像デブロルリング法を比較検討した。
2種類のぼかし効果、すなわち運動ぼかしとガウス的ぼかしがシミュレーションされた。
これら3つの非盲点除去法は, 適応型中央フィルタの適用により, ノイズのあるぼやけた画像の直接消臭と画像の消臭の2つのシナリオで適用された。
得られた結果は各シナリオで比較され,ノイズ画像の除去に最適なアプローチが決定された。
関連論文リスト
- NoiseDiffusion: Correcting Noise for Image Interpolation with Diffusion Models beyond Spherical Linear Interpolation [86.7260950382448]
画像の妥当性を補正する新しい手法としてノイズ拡散法を提案する。
NoiseDiffusionはノイズの多い画像空間内で動作し、これらのノイズの多い画像に生画像を注入することで、情報損失の課題に対処する。
論文 参考訳（メタデータ） (2024-03-13T12:32:25Z) - Diffusion Model for Generative Image Denoising [17.897180118637856]
画像復調のための教師あり学習では、通常、ペアのクリーンな画像とノイズの多い画像を収集し合成し、復調モデルを訓練する。
本稿では,ノイズ画像に条件付けされたクリーン画像の後部分布を推定する問題として,デノナイジングタスクを考察する。
論文 参考訳（メタデータ） (2023-02-05T14:53:07Z) - NBD-GAP: Non-Blind Image Deblurring Without Clean Target Images [79.33220095067749]
良好な性能を得るためには、トレーニングには大量のぼやけたクリーンなイメージペアが必要である。
テスト中のぼやけた画像とぼやけたカーネルが、トレーニング中に使用するものとは大きく異なる場合、ディープネットワークはよく機能しないことが多い。
論文 参考訳（メタデータ） (2022-09-20T06:21:11Z) - Geodesic Gramian Denoising Applied to the Images Contaminated With Noise
Sampled From Diverse Probability Distributions [0.2578242050187029]
選択した画像から5つの顕著な確率分布からサンプリングされた雑音を除去する文法に基づくフィルタリング手法
ピクセルではなく、画像から分割されたパッチを採用することで、画像の滑らかさを保ちます。
3つのベンチマークコンピュータビジョンテスト画像を2つの最先端の復調法に適用し,その復調性能を検証した。
論文 参考訳（メタデータ） (2022-03-04T22:48:12Z) - Salt and pepper noise removal method based on stationary Framelet
transform with non-convex sparsity regularization [1.101002667958165]
ソルトとペッパーのノイズ除去は画像処理における逆問題であり,高品質な画像情報の復元を目指している。
伝統的な塩と唐辛子調味法には2つの制限がある。
論文 参考訳（メタデータ） (2021-10-18T09:07:31Z) - Noise2Score: Tweedie's Approach to Self-Supervised Image Denoising
without Clean Images [35.41467558264341]
異なるアプローチを統合するために,ノイズ2スコアと呼ばれる新しい手法を提案する。
具体的には,後部分布のモードを見つけることで,クリーンな画像のない画像認識問題に対処できることを示す。
そこで本手法では,残差復調オートエンコーダを用いて雑音画像からスコア関数を安定に推定する手法を提案する。
論文 参考訳（メタデータ） (2021-06-13T14:41:09Z) - Unpaired Learning of Deep Image Denoising [80.34135728841382]
本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。
自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。
実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
論文 参考訳（メタデータ） (2020-08-31T16:22:40Z) - Dual Adversarial Network: Toward Real-world Noise Removal and Noise
Generation [52.75909685172843]
実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。
本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。
本手法はクリーンノイズ画像対の連成分布を学習する。
論文 参考訳（メタデータ） (2020-07-12T09:16:06Z) - Self-Supervised Linear Motion Deblurring [112.75317069916579]
深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。
本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。
我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
論文 参考訳（メタデータ） (2020-02-10T20:15:21Z) - Handling noise in image deblurring via joint learning [0.3407858371718068]
多くのブラインドデブロワー法は、ぼやけた画像はノイズのないものと仮定し、ノイズのあるぼやけた画像に対して不満足に処理する。
本稿では,デノイザサブネットワークとデブロワーサブネットワークからなるカスケードフレームワークを提案する。
共同学習は, 脱臭後の残音が脱臭に及ぼす影響を低減し, 重騒音に対する脱臭の堅牢性を向上させる。
論文 参考訳（メタデータ） (2020-01-27T12:59:52Z) - Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。
本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文 参考訳（メタデータ） (2019-08-29T15:54:06Z)
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。