論文の概要: Soft Thresholding for Visual Image Enhancement
- arxiv url: http://arxiv.org/abs/2301.08113v1
- Date: Thu, 19 Jan 2023 15:05:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 15:00:06.383067
- Title: Soft Thresholding for Visual Image Enhancement
- Title(参考訳): 画像強調のためのソフトスレッショニング
- Authors: Christoph Dalitz
- Abstract要約: 本報告では、しきい値の「スミアングアウト」とグレースケール画像を異なるグレースケール画像に変換する簡単な方法について述べる。
しきい値拡散の幅を自動的に決定する公式が提示される。
この方法は、例えば、オンラインファクシミリリポジトリでのプレゼンテーションのイメージの強化に使用することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thresholding converts a greyscale image into a binary image, and is thus
often a necessary segmentation step in image processing. For a human viewer
however, thresholding usually has a negative impact on the legibility of
document images. This report describes a simple method for "smearing out" the
threshold and transforming the greyscale image into a different greyscale
image. The method is similar to fuzzy thresholding, but is discussed here in
the simpler context of greyscale transformations and, unlike fuzzy
thresholding, it is independent from the method for finding the threshold. A
simple formula is presented for automatically determining the width of the
threshold spread. The method can be used, e.g., for enhancing images for the
presentation in online facsimile repositories.
- Abstract(参考訳): しきい値化はグレースケール画像をバイナリイメージに変換するため、画像処理において必要なセグメンテーションステップとなることが多い。
しかし、人間のビューアーにとって、閾値付けは通常、文書画像の正当性に悪影響を及ぼす。
本報告では、しきい値の「スミアングアウト」とグレースケール画像を異なるグレースケール画像に変換する簡単な方法について述べる。
この方法はファジィしきい値法に似ているが、グレイスケール変換のより単純な文脈で議論され、ファジィしきい値法とは異なり、しきい値を求める方法とは独立である。
閾値拡散の幅を自動的に決定する簡単な式が提示される。
この方法は、例えば、オンラインファクシミリリポジトリのプレゼンテーション用の画像を強化するために使用できる。
関連論文リスト
- PixelShuffler: A Simple Image Translation Through Pixel Rearrangement [0.0]
スタイル転送は画像から画像への変換の応用として広く研究されており、ある画像の内容を他の画像のスタイルと組み合わせた画像の合成が目的である。
既存の最先端の手法は、しばしば高品質なスタイル転送を実現するために拡散モデルや言語モデルを含む複雑なニューラルネットワークに依存している。
本稿では,画像から画像への変換問題に対処する新たなピクセルシャッフル手法を提案する。
論文 参考訳(メタデータ) (2024-10-03T22:08:41Z) - Wavelet based inpainting detection [0.0]
被写体を取り除いたり、画像の一部を埋め込んだりするインペイントは、画像復元と偽造の両方のための強力なツールとして機能する。
本稿では,DT-CWTと階層的特徴セグメンテーションを組み合わせ,ノイズの不整合解析を併用することにより,画像の塗り絵検出に新たなアプローチを提案する。
インペイント画像の検出において,SOTAと比較して優れた結果が得られた。
論文 参考訳(メタデータ) (2024-08-12T18:10:51Z) - Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。
既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。
本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-31T13:12:41Z) - Image preprocessing and modified adaptive thresholding for improving OCR [0.0]
本稿では,テキスト内の画素強度を最大化し,それに応じて画像のしきい値を設定する手法を提案する。
得られた結果から,OCRの画像処理分野において,このアルゴリズムを効率的に適用できることが分かる。
論文 参考訳(メタデータ) (2021-11-28T08:13:20Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳(メタデータ) (2021-04-29T17:49:48Z) - Context-Aware Image Denoising with Auto-Threshold Canny Edge Detection
to Suppress Adversarial Perturbation [0.8021197489470756]
本論文では,新しいコンテキスト認識画像デノイジングアルゴリズムを提案する。
適応画像スムージング技術とカラーリダクション技術を組み合わせて、逆画像からの摂動を除去します。
提案手法は, 敵の攻撃による敵の摂動を低減し, 深部畳み込みニューラルネットワークモデルの堅牢性を向上することを示す。
論文 参考訳(メタデータ) (2021-01-14T19:15:28Z) - Seed the Views: Hierarchical Semantic Alignment for Contrastive
Representation Learning [116.91819311885166]
一つの画像から生成されたビューをtextbfCross-samples や Multi-level representation に拡張することで,階層的なセマンティックアライメント戦略を提案する。
提案手法はCsMlと呼ばれ,サンプル間の多層視覚表現を堅牢な方法で統合する機能を備えている。
論文 参考訳(メタデータ) (2020-12-04T17:26:24Z) - Diverse Image Generation via Self-Conditioned GANs [56.91974064348137]
手動でアノテートされたクラスラベルを使わずに、クラス条件付きGANモデルを訓練する。
代わりに、我々のモデルは、識別器の特徴空間におけるクラスタリングから自動的に派生したラベルに条件付きである。
我々のクラスタリングステップは、自動的に多様なモードを発見し、それらをカバーするためにジェネレータを明示的に必要とします。
論文 参考訳(メタデータ) (2020-06-18T17:56:03Z) - FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。
本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。
以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
論文 参考訳(メタデータ) (2020-04-11T22:20:48Z) - Exploiting Deep Generative Prior for Versatile Image Restoration and
Manipulation [181.08127307338654]
本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。
深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
論文 参考訳(メタデータ) (2020-03-30T17:45:07Z) - Random smooth gray value transformations for cross modality learning
with gray value invariant networks [4.10190340437982]
そこで本研究では,画像のグレー値の変換方法を提案する。
このアプローチにより、MRI画像にのみ訓練されたネットワークを用いて、胸椎体をCT画像にセグメント化することができる。
論文 参考訳(メタデータ) (2020-03-13T09:01:08Z)
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。