使用多尺度高斯金字塔进行高效的现实世界图像消除

科学领域:

• 数字图像处理 数字图像处理
• 计算成像技术的成像
• 信号处理 信号处理

背景情况:

• 卷积神经网络 (CNN) 在图像否定方面表现有前途,但由于单个尺度的特征限制,在现实图像中经常与复杂的非高斯噪声作斗争.
• 高斯金字塔 (GP) 提供了有利于降低噪音和保存细节的多尺度策略,具有固有的维度减少.
• 尽管有其优点,但将GP方法应用于现实世界的图像消除仍然是计算密集的.

研究的目的:

• 实施和评估高斯金字塔 (GP) 方法,用于拒绝各种现实世界图像数据集,包括X射线,MRI,非医疗图像和SIDD数据集.
• 为了比较GP方法与各种波形变换 (Coiflet4,Haar,Daubechies,Symlets) 的无声化性能.
• 评估峰值信号与噪声比率 (PSNR),结构相似度指数 (SSIM) 和计算复杂性的定量改进.

主要方法:

• 实现高斯金字塔 (GP) 技术用于图像消噪.
• 在多种图像模式中应用GP方法:X射线,MRI,一般非医疗图像和SIDD数据集.
• 与已建立的波形变换方法进行比较分析 (Coiflet4,Haar,Daubechies,Symlets).

主要成果:

• 在GP方法中,PSNR达到36.8024dB,SSIM达到0.9428.
• 计算复杂度显著降低,达到0.0046秒.
• 在PSNR,SSIM和计算效率方面,GP表现出优异的定量性能,与基于波段的无声化相比.

结论:

• 高斯金字塔 (GP) 方法为消除现实世界的图像提供了有效和实用的解决方案,其性能优于波形变换.
• 在处理复杂的噪音,同时保持图像保真时,GP的多尺度方法至关重要.
• 在图像质量指标和计算效率方面取得的改进使得GP成为各种成像应用的可行技术.