Nonlocal-Means Image Denoising Technique Using Robust M-Estimator

Dinesh、Peteri、Govindan、Abraham、Mathew Mathew

2010Acta Scientiarum Naturalium Universitatis SunyatseniComputer Science被引 3

摘要

保存变光滑的技术获得了的边为图象处理的目的重要性应用。保存过滤器的一个好边被非局部工具的过滤器给而非任何另外的线性模型基于途径。这份报纸由为它的重量计算使用柔韧的 M 评估者功能而非指数的功能探索非局部工具的过滤器的一条不同途径。在这里，在每个象素的过滤器输出是有用选择柔韧的 M 评估者函数包围邻居的象素的加权的一般水准。这份报纸的主要方向是为非局部工具的降噪的算法识别最好的柔韧的 M 评估者功能。以便加快计算，一个新补丁分类方法被跟随从加权的平均过程消除 uncorrelated 补丁。这条补丁分类途径关于优秀对计算的时间有利地比作存在技术。用标准测试图象和大脑地图集图象的确认被分析了，结果与另外的已知的方法相比。有理智相信建议精制技术有一些著名的点，这被看见。

引用本文（GB/T 7714）

Dinesh, Peteri, Govindan, 等. Nonlocal-Means Image Denoising Technique Using Robust M-Estimator[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2010.

引文网络

参考文献与被引分析加载中…

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。