論文の概要: New Fourth-Order Grayscale Indicator-Based Telegraph Diffusion Model for Image Despeckling

• arxiv url: http://arxiv.org/abs/2509.26010v1
• Date: Tue, 30 Sep 2025 09:41:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.083769
• Title: New Fourth-Order Grayscale Indicator-Based Telegraph Diffusion Model for Image Despeckling
• Title（参考訳）: 画像非特定のための新しい4階グレースケールインジケータに基づくテレグラフ拡散モデル
• Authors: Rajendra K. Ray, Manish Kumar,
• Abstract要約: 拡散特性と波動特性を統合する4階非線形PDEモデルを提案する。 提案モデルの有効性を2次異方性拡散法に対して評価した。 提案手法は,各チャネルに独立にデノナイズ処理を適用することにより,カラー画像の研究に拡張される。
• 参考スコア（独自算出の注目度）: 2.3624430033502057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Second-order PDE models have been widely used for suppressing multiplicative noise, but they often introduce blocky artifacts in the early stages of denoising. To resolve this, we propose a fourth-order nonlinear PDE model that integrates diffusion and wave properties. The diffusion process, guided by both the Laplacian and intensity values, reduces noise better than gradient-based methods, while the wave part keeps fine details and textures. The effectiveness of the proposed model is evaluated against two second-order anisotropic diffusion approaches using the Peak Signal-to-Noise Ratio (PSNR) and Mean Structural Similarity Index (MSSIM) for images with available ground truth. For SAR images, where a noise-free reference is unavailable, the Speckle Index (SI) is used to measure noise reduction. Additionally, we extend the proposed model to study color images by applying the denoising process independently to each channel, preserving both structure and color consistency. The same quantitative metrics PSNR and MSSIM are used for performance evaluation, ensuring a fair comparison across grayscale and color images. In all the cases, our computed results produce better results compared to existing models in this genre.
• Abstract（参考訳）: 2階PDEモデルは乗法ノイズの抑制に広く用いられてきたが、初期の段階ではブロック状のアーチファクトがしばしば導入されている。 これを解決するために,拡散特性と波動特性を統合する4階非線形PDEモデルを提案する。 拡散過程はラプラシアンおよび強度値の両方で導かれ、勾配法よりもノイズを低減し、波動部は細部とテクスチャを保持する。 提案手法の有効性を,Pak Signal-to-Noise Ratio (PSNR) とMean Structure similarity Index (MSSIM) を用いて2次異方性拡散法を用いて評価した。 ノイズフリー参照が利用できないSAR画像に対しては、スペックル指数(SI)を用いてノイズ低減を測定する。 さらに,提案モデルを拡張し,各チャネルに独立にデノナイズ処理を適用し,構造と色整合性の両方を保ち,色画像の研究を行う。 PSNRとMSSIMは、グレースケールとカラー画像の公正な比較を保証し、パフォーマンス評価に使われている。 いずれの場合も、このジャンルの既存モデルと比較すると、計算結果の方が良い結果が得られる。

関連論文リスト

• Perception-based multiplicative noise removal using SDEs [6.985808221697239]
  乗法ノイズは合成開口レーダ(SAR)、レーザー、光学レンズによって生成された画像に影響を与える。 微分方程式に基づく拡散モデルを用いて乗法雑音に対処する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-19T00:31:05Z)
• Blue noise for diffusion models [50.99852321110366]
  本稿では,画像内および画像間の相関雑音を考慮した拡散モデルを提案する。 我々のフレームワークは、勾配流を改善するために、1つのミニバッチ内に画像間の相関を導入することができる。 本手法を用いて,各種データセットの質的,定量的な評価を行う。
  論文  参考訳（メタデータ） (2024-02-07T14:59:25Z)
• Denoising Diffusion Bridge Models [54.87947768074036]
  拡散モデルは、プロセスを使用してデータにノイズをマッピングする強力な生成モデルである。 画像編集のような多くのアプリケーションでは、モデル入力はランダムノイズではない分布から来る。 本研究では, DDBM(Denoising Diffusion Bridge Models)を提案する。
  論文  参考訳（メタデータ） (2023-09-29T03:24:24Z)
• Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
  Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。 我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。 我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
  論文  参考訳（メタデータ） (2023-09-18T09:36:24Z)
• A Novel Truncated Norm Regularization Method for Multi-channel Color Image Denoising [5.624787484101139]
  本論文は,DtNFM法(DtNFM法)を用いて,二重重み付き核ノルム最小化法(double-weighted truncated nuclear norm minus truncated Frobenius norm minimization, DtNFM法)を用いてカラー画像のノイズ化を行う。 雑音像の非局所的な自己相似性を利用して、類似した構造を収集し、類似したパッチ行列を連続的に構築する。 合成および実雑音データセットの実験により、提案手法は、多くの最先端カラー画像復調法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-07-16T03:40:35Z)
• Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
  本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
  論文  参考訳（メタデータ） (2023-05-15T20:24:38Z)
• Real-World Denoising via Diffusion Model [14.722529440511446]
  実世界のイメージデノイングは、自然の環境で撮影されたノイズの多い画像からクリーンなイメージを復元することを目的としている。 拡散モデルは画像生成の分野で非常に有望な結果を得た。 本稿では,実世界の画像のデノナイズに使用可能な,新しい一般デノナイズ拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-08T04:48:03Z)

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。