Potiskivanje šuma u slici korištenjem wavelet transformacije

Slides:



Advertisements
Similar presentations
Signal Denoising with Wavelets. Wavelet Threholding Assume an additive model for a noisy signal, y=f+n K is the covariance of the noise Different options.
Advertisements

A) 80 b) 53 c) 13 d) x 2 = : 10 = 3, x 3 = 309.
1 Predlozi tema za master radove – 2010/11. Cvetana Krstev.
Hongyan Li, Huakui Wang, Baojin Xiao College of Information Engineering of Taiyuan University of Technology 8th International Conference on Signal Processing.
Rajeev Aggarwal, Jai Karan Singh, Vijay Kumar Gupta, Sanjay Rathore, Mukesh Tiwari, Dr.Anubhuti Khare International Journal of Computer Applications (0975.
Wavelet Based Subband Shrinkage Models and their Applications in Denoising of Biomedical Signals By Dr. S. Poornachandra Dean IQAC SNS College of Engineering.
$100 $200 $300 $400 $500 $100 $200 $300 $400 $500 $100 $200 $300 $400 $500 $100 $200 $300 $400 $500 $100 $200 $300 $400 $500 $100 $200 $300.
Different types of wavelets & their properties Compact support Symmetry Number of vanishing moments Smoothness and regularity Denoising Using Wavelets.
COMPARING NOISE REMOVAL IN THE WAVELET AND FOURIER DOMAINS Dr. Robert Barsanti SSST March 2011, Auburn University.
Prof: doc.dr. Samir Lemeš student: Samir Hrnjić. System restore je komponenta Microsoftovih operativnih sistema Windows Serveri ne podržavaju opciju System.
Spajanje digitalnog prijamnika na televizor
ASPECT RATIO PAŠIĆ ANELA.
Broadband over powerlines
Provisioning Windowsa 10 na IoT, mobilnim i desktop uređajima
Projekt Podrška provedbi Cjelovite kurikularne reforme (CKR)
Petlje WHILE – WEND.
Edukacija u području fizikalnih, kemijskih i bioloških analiza tla
OBRANA TEME DOKTORSKOG RADA
Znanstveni kolokvij o univerzalnom krigiranju
IDEALNO NAPONSKO POJAČALO
MICROSOFT OFFICE PICTURE MANAGER
OCJENA KEMIJSKOG STANJA POVRŠINSKIH VODA – BIODOSTUPNOST METALA
Crvene oči / Red eyes Profesor: Student:
Petlje FOR - NEXT.
Programi,Podaci,Varijable,Računanje - 2
NENAD BIJELIĆ Rješavanje jednadžbe gibanja diskretnog dinamičkog sustava u frekvencijskoj domeni seminar:
ANALITIČKA KEMIJA (Analytical Chemistry)
Bernarda Nižić, 3.godina,dentalna medicina Split
PRAĆENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT
Uvod u znanstveni rad Voditeljica: prof. dr. sc. Irena Cajner- Mraović
Arrays and strings -2 (nizovi i znakovni nizovi)
Arrays and strings -1 (nizovi i znakovni nizovi)
LAPLACEOVA TRANSFORMACIJA
ISTORIJAT Bartlane cable picture transmission system
VEZBA 2 HIPERLINK I ANIMACIJA.
Klasa grafik.
Monte Carlo simulacija protojata galaksija u COSMOS pregledu polja
Struktura MAC adrese i Ethernet okvira
INFORMACIONE TEHNOLOGIJE U STUDIJSKOM PROGRAMU MERENJE I REGULACIJA: WEB BAZIRANI MERNO-AKVIZICIONI SISTEMI.
M-datoteke.
Obrada slike na računaru
Diskriminativna analiza
(カックロ ) Ivo Ivanišević Ena Melvan
DISKRETNI DINAMIČKI SUSTAVI –LOGISTIČKI MODEL -KAOS-
Pojmovi digitalnog zapisa
Kompresija slike u wavelet domeni
Izranjajuća Inteligencija
Internet FTP usluga.
1.6. Pohrana podataka.
Praktikum iz Programiranja 1 Specijalna Grupa
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU
Uvod u primjenu računala u nastavi Primjena računala u nastavi Ak. god
Home - Bullets & Numbering -
Porezni izdaci i efikasnost poreza na dodanu vrijednost Hrvatske
Objektno-orijentirano programiranje
Programiranje za Internet
Harmonijsko pretraživanje
Analiza varijance prof. dr. sc. Nikola Šakić.
Seminar iz predmeta Sustavi za praćenje i vođenje procesa
Klasifikacija i stablo odlučivanja uz r
Clinical Evaluation of the Nose: A Cheap and Effective Tool for the Nasal Fracture Diagnosis Martina Sučić.
BLOOMOVA TAKSONOMIJA I
Fakultet elektrotehnike i računarstva
Analiza varijance prof. dr. sc. Nikola Šakić.
Priprema prezentacije
Programiranje - Naredbe za kontrolu toka programa – 1. dio
Uvod u primjenu računala u nastavi Primjena računala u nastavi Ak. god
Izranjajuća Inteligencija
Analiza varijance prof. dr. sc. Nikola Šakić.
Priprema prezentacije
Presentation transcript:

Potiskivanje šuma u slici korištenjem wavelet transformacije Napredne metode digitalne obrade signala Potiskivanje šuma u slici korištenjem wavelet transformacije

Sadržaj prezentacije Uvod Opis problema Wavelet razlaganje 2-D signala Potiskivanje šuma metodom praga Metode određivanja vrijednosti praga Eksperimentalni rezultati Zaključak

Uvod Wavelet transformacija Potiskivanje šuma u 1-D signalima Primjena u kompresiji Primjena u potiskivanju šuma (denoising) Potiskivanje šuma u 1-D signalima Već viđeno i riješeno na predavanjima Potiskivanje šuma u 2-D signalima primjene u digitalnoj fotografiji primjene u telemetriji

Opis problema Većinu šumova koji se javljaju možemo modelirati bijelim šumom Razlaganjem wavelet slogom bijeli šum se jednako razlaže na sve razine Ideja: Razložiti signal (sliku) na nekoliko razina Ukloniti šum metodom praga HARD thresholding SOFT thresholding

Wavelet razlaganje 2-D signala

Dvije razine razlaganja

Otklanjanje šuma iz signala Signal f(n) onečišćen šumom: Cilj : što manja očekivana vrijednost srednje kvadratne pogreške

Otklanjanje šuma iz signala Algoritam za uklanjanje šuma iz diskretnog signala x[n]: Dekompozicija signala primjenom DWT: Odabrati wavelet i nivo kompozicije J Izračunati koeficijente wj,k na svim nivoima, j = 1 do J, k = 1, 2, …N/(2j) Primjena praga na wavelet koeficijente Na svakoj razini dekompozicije odabrati prag Rekonstrukcija signala Računanje inverzne DWT

Otklanjanje šuma iz signala Tvrdi (hard) i meki (soft) prag:

Metode određivanja vrijednosti praga 4 metode određivanja praga: Proračun pomoću Stein-ove procjene (rigrsure prag) Proračun praga pomoću vizualne kalibracije (sqtwolog prag) Hibridna metoda proračuna praga (heursure prag) Proračun praga minimax metodom (minimaxi prag)

Metode određivanja vrijednosti praga Proračun praga pomoću Stein-ove procjene (rigrsure prag) Težinski koeficijenti Prag, za rj=min

Metode određivanja vrijednosti praga Proračun praga pomoću vizualne kalibracije (sqtwolog prag) Primjenjuje fiksne pragove koji se računaju neovisno o karakteristikama koeficijenata Za rekonstrukciju glatkog originalnog signala

Metode određivanja vrijednosti praga Hibridna metoda proračuna praga (heursure prag) Za razinu J; n=N/2J, kriterij za odabir praga, c, definira se kao: α < c - vizualna kalibracija Inače SURE ili viz. kalibracija

Metode određivanja vrijednosti praga Proračun praga minimax metodom (minimaxi prag) Vrijednosti pragova sadržani u look-up tabeli Kao i SURE metoda, “čuva” koeficijente

Eksperimentalni rezultati

Slika s bijelim šumom

HARD Thresholding

SOFT Thresholding

Usporedba