×
苏米特·库马尔;杰哈·拉吉布·库马尔

基于FPGA的近似分数积分器实时图像去噪设计。 （英语） 1460.94009赞比亚比索

多维系统。信号处理。 31，第4期，1317-1339（2020）。
本文讨论了一种新的去除数字图像中噪声，特别是脉冲噪声的算法，该算法在保留图像中捕获的场景的基本信息的同时，还可以去除图像中的噪声。该方法是通过使用分数阶微分算子应用于图像函数。让我们看一下这篇论文的数学简介。分数阶导数有几种定义。在本文中，作者采用了以下方法。图像函数是\（f:\mathbb{R}\ to \mathbb{R}\），这样\（f（x）=0\）if\（x\notin[a，b]\）where\（-\infty<a<b<+\infty \）。\（x\ in[a，b]\）中\（f\）的\（q\）阶分数运算符为（如果\（q>0\））\[_{a} D类_{b}^{q} （f）（x） =\lim_{h\到0}（1/（h^{q}））\sum_{i=0}^{q{（-1）^{i}（q/i）f（x-ih），\]（如果\（-1<q<0\））\[\三角洲^{q} （f）（x） =（1/（\Gamma（-q）））\lim_{h\到0}\sum_{i=0}^{infty}（（\Garma（i-q））/（\Gamma（i+1）））f（x-ih）。\]去除噪声的图像是\(_{a} D类_{b}^{q} （f）\)或\（\增量^{q} （f）\). 第3节显示了所提出的方法在黑白和灰度图像上的应用仿真结果。此外，通过仿真，作者将该方法与其他几种“经典”和最新方法进行了比较。为此，应用了不同的参数，其中一些参数是众所周知的，例如纯图像和应用各自方法得到的图像之间的相关系数，其他作者在以前的论文中提出的一些参数，以及本文中提出的其他参数。关于从2015年起提出的新的噪声去除技术，作者承认，在黑白图像中，其中一些技术优于建议的技术，而其他技术的结果则相当或较差。文中普遍认为所提出的方法是令人满意的。本文的一部分用于描述所提算法在特定设备上的硬件实现。参考文献列表内容丰富且是最新的。
审核人：奥斯卡·布斯托斯（科尔多瓦）

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

近似分数积分器;图像去噪;攻击;峰值信噪比;SSIM公司;互相关

软件：

FOC网;电视录像机
PDF格式BibTeX公司 XML格式引用
\textit{S.Kumar}和\textit{R.K.Jha}，多维系统。信号处理。31，第4号，1317--1339（2020；Zbl 1460.94009）
全文： 内政部

参考文献：

[1] Anupriya，A。；Tayal，A.，使用自组织迁移算法的基于小波的图像去噪，CIIT国际数字图像处理杂志，4，10，542-546（2012）
[2] Aurich，V。；Weule，J。；萨格勒，G。；Posch，S。；Kummert，F.，执行边缘保持扩散的非线性高斯滤波器，Mustererkennung 1995，538-545（1995），柏林：Springer，Berlin
[3] 鲍琦。；高杰。；Chen，W.，使用曲线系数的局部自适应收缩阈值去噪，《电子快报》，44，4，277-278（2008）
[4] 黑色，MJ；萨皮罗，G。；DH Marimont；Heeger，D.，鲁棒各向异性扩散，IEEE图像处理汇刊，7，3，421-432（1998）
[5] Buades，A。；科尔·B。；Morel，JM，《图像去噪算法综述及新算法》，多尺度建模与仿真，4，2，490-530（2005）·Zbl 1108.94004号
[6] Cannistraci，简历；Montevecchi，FM；Alessio，M.，Median-modified wiener filter在2-de图像处理中提供高效的去噪、保留斑点边缘和形态，蛋白质组学，9，21，4908-4919（2009）
[7] Chambolle，A.，《总变差最小化算法及其应用》，《数学成像与视觉杂志》，20，1-2，89-97（2004）·Zbl 1366.94048号
[8] Charoensak，C.和Sattar，F.（2007年）。FPGA设计了一种实时实现动态范围压缩以提高电视图像质量的方法。2007年第六届信息、通信和信号处理国际会议（第1-5页）。电气与电子工程师协会。
[9] 乔杜里，KN；Sage，D。；Unser，M.，《使用三角距离核的快速双边滤波》，IEEE图像处理学报，20，12，3376-3382（2011）·Zbl 1374.94499号
[10] Chen，F.、Zhang，L.和Yu，H.（2015）。外部补丁先验引导内部聚类用于图像去噪。在IEEE计算机视觉国际会议论文集（第603-611页）。
[11] Da Silva，RD；米内托，R。；WR施瓦茨；Pedrini，H.，使用小波变换的自适应边缘保持图像去噪，模式分析与应用，16，4，567-580（2013）·兹比尔1284.68625
[12] Delkhosh，M.，《分数阶导数和积分及其应用导论》，应用数学和物理，1，4，103-119（2013）
[13] Dong，W.，Li，X.，Zhang，L.，&Shi，G.（2011）。通过字典学习和结构聚类实现基于稀疏性的图像去噪。CVPR 2011（第457-464页）。电气与电子工程师协会。
[14] Dutta，H.、Hannig，F.、Teich，J.、Heigl，B.和Horneger，H.（2006）。图像处理中自适应滤波算法的硬件加速设计方法。IEEE第17届应用特定系统、架构和处理器国际会议（ASAP’06）（第331-340页）。电气与电子工程师协会。
[15] 高，C。；周，J。；胡，J。；Lang，F.，基于四元数分数微分的彩色图像边缘检测，IET图像处理，5，3，261-272（2011）
[16] Getreuer，P.，Rudin-Osher-Fatemi使用分裂Bregman的全变差去噪，在线图像处理，274-95（2012）
[17] Gonzalez，R.C.，Woods，R.E.等人（2002年）。数字图像处理
[18] 哈姆扎，AB；Luque-Escamilla，波兰；Martínez-Aroza，J。；Román-Roldán，R.，《用放松的中值滤波器去除噪声并保留细节》，《数学成像与视觉杂志》，11，2，161-177（1999）
[19] 哈迪，RC；Barner，KE，用于信号恢复的秩条件秩选择滤波器，IEEE图像处理汇刊，3，2，192-206（1994）
[20] Jia，X.，Liu，S.，Feng，X.和Zhang，L.（2019）。Focnet：图像去噪的分数最优控制网络。《IEEE计算机视觉和模式识别会议论文集》（第6054-6063页）。
[21] Kokila，J。；北卡罗来纳州拉马苏布拉曼尼亚。；Naganathan，N.，用于在IOT应用中保护SoC FPGA设备和IP的资源高效计量方案，IEEE超大规模集成（VLSI）系统交易，27，10，2284-2295（2019）
[22] Kumar，BS，基于高斯/双边滤波器的图像去噪及其方法，噪声阈值，信号、图像和视频处理，7，6，1159-1172（2013）
[23] Kumar，S.、Chauhan，S.，Sundaram，G.、Chouksey，M.和Jha，R.K.（2019a）。基于FPGA的随机共振图像增强的实用实现。在第25届噪声与波动国际会议（ICNF 2019）上，CONF。
[24] Kumar，S.、Gupta，A.和Jha，R.K.（2019b）。雨带的分析、诊断和纠正。在TENCON 2019-2019 IEEE区域10会议（TENCON）中（第2700-2704页）。电气与电子工程师协会。
[25] Kumar，S.和Jha，R.K.（2016年）。使用具有随机共振的变分微积分正则化子增强高动态范围图像。第十届印度计算机视觉、图形和图像处理会议记录（第38页）。ACM公司。
[26] 库马尔，S。；Jha，RK，基于FD的医学图像水印检测器，IET图像处理，13，10，1773-1782（2019）
[27] 库马尔，S。；潘娜，B。；Jha，RK，利用分数离散余弦变换和混沌函数进行医学图像加密，医学与生物工程与计算，57，11，2517-2533（2019）
[28] Lindoso，A。；Entrena，L.，基于FPGA的高性能图像相关性，实时图像处理杂志，2，4，223-233（2007）
[29] 路易西尔，F。；布鲁，T。；Unser，M.，混合泊松-高斯噪声中的图像去噪，IEEE图像处理汇刊，20，3，696-708（2010）·Zbl 1372.94168号
[30] Manjon-Herrera，J.V.（2020年）。非对数表示滤波器。2019年7月20日检索自https://in.mathworks.com/matlabcentral/fileexchange/13176-non-local-mans-filter。
[31] Nakib，A。；舒尔茨，Y。；Petit，E.，基于二维数字分数积分和勒让德矩的图像阈值框架，IET图像处理，6，6，717-727（2012）
[32] 佩罗纳，P。；Malik，J.，使用各向异性扩散的尺度空间和边缘检测，IEEE模式分析和机器智能汇刊，12，7，629-639（1990）
[33] 皮塔斯，I。；Venetsanopoulos，A.，《非线性数字滤波器：原理与应用》（1990年），辛厄姆：克鲁默学术出版社·Zbl 0719.93080号
[34] Pu，Y。；Wang，W。；周，J。；Wang，Y。；Jia，H.，检测数字图像纹理特征的分数微分方法及其分数微分滤波器实现，中国科学系列F：信息科学，51，9，1319-1339（2008）·Zbl 1147.68814号
[35] 罗德里格斯-安迪纳，JJ；穆尔，MJ；Valdes，MD，FPGA的特性、设计工具和应用领域，IEEE工业电子学报，54，4，1810-1823（2007）
[36] Rosado-Munoz，A。；Bataller-Mopean，医学博士。；Soria-Olivas，E。；斯卡兰特，C。；Guerrero-Martinez，JF，对脉冲噪声鲁棒的自适应滤波器的FPGA实现：两种方法，IEEE工业电子学报，58，3，860-870（2009）
[37] 萨哈，D。；Sur-Kolay，S.，通过零知识协议对FPGA设计中的IP标记进行安全公开验证，IEEE超大规模集成（VLSI）系统事务，20，10，1749-1757（2011）
[38] Samko，S.，《分数阶积分与变阶微分：综述》，非线性动力学，71，4，653-662（2013）·Zbl 1268.34025号
[39] Selesnick，IW，双密度双树DWT，IEEE信号处理汇刊，52，5，1304-1314（2004）·Zbl 1370.94234号
[40] 塞提安，JA，《水平集方法和快速推进方法：计算几何、流体力学、计算机视觉和材料科学中的进化接口》（1999），剑桥：剑桥大学出版社，剑桥·Zbl 0973.76003号
[41] Sheng，H。；Sun，H。；库普曼，C。；陈，Y。；Bohannan，G.，可变阶分数阶积分器和微分器的物理实验研究，《欧洲物理杂志专题》，193，1，93-104（2011）
[42] 德赫拉尼普尔，M。；Wang，C.，《硬件安全与信任简介》（2011），柏林：施普林格出版社，柏林
[43] Trigeassou，JC公司；Maamri，N。；Sabatier，J。；Oustaloup，A.，《分数阶积分器和导数的瞬态》，《信号、图像和视频处理》，6，3，359-372（2012）
[44] Vinh，T.Q.、Park，J.H.、Kim，Y.C.和Hong，S.H.（2008）。用于视频降噪的实时边缘保持滤波器的FPGA实现。2008年计算机和电气工程国际会议（第611-614页）。电气与电子工程师协会。
[45] Voloshynovskiy，S。；佩雷拉，S。；潘，T。；艾格斯，JJ；Su，JK，《数字水印攻击：分类、基于估计的攻击和基准》，IEEE通信杂志，39，8，118-126（2001）
[46] 王，Q。；于斯。；李，C。；吕，J。；方，X。；Guyeux，C。；Bahi，JM，《高维数字混沌系统的理论设计和基于FPGA的实现》，IEEE电路与系统汇刊I：常规论文，63，3，401-412（2016）·Zbl 1469.94118号
[47] 王，Z。；博维克，AC；Sheikh，人力资源部；Simoncelli，EP，《图像质量评估：从错误可见性到结构相似性》，IEEE图像处理汇刊，13，4，600-612（2004）
[48] Weickert，J.，《图像处理中的各向异性扩散》（1998年），斯图加特：斯图加特·特伯纳·Zbl 0886.68131号
[49] Wen，B.、Li，Y.和Bresler，Y.（2017）。当稀疏性满足低秩时：使用非局部低秩约束的变换学习进行图像恢复。2017年IEEE声学、语音和信号处理国际会议（ICASSP）（第2297-2301页）。电气与电子工程师协会。
[50] Xie，Q.，Zhao，Q.、Meng，D.、Xu，Z.、Gu，S.、Zuo，W.和Zhang，L.（2016）。基于内禀张量稀疏正则化的多光谱图像去噪。《IEEE计算机视觉和模式识别会议论文集》（第1692-1700页）。
[51] 谢毅。；顾S。；刘，Y。；左，W。；张伟。；Zhang，L.，加权schatten \（p\）-图像去噪和背景减法的范数最小化，IEEE图像处理学报，25，10，4842-4857（2016）·Zbl 1408.94731号
[52] Xu，J.、Zhang，L.和Zhang and D.（2018）。一种用于实际图像去噪的三边加权稀疏编码方案。《欧洲计算机视觉会议论文集》（第20-36页）。
[53] Xu，J.、Zhang，L.、Zheng，D.和Feng，X.（2017）。用于真彩色图像去噪的多通道加权核范数最小化方法。IEEE计算机视觉国际会议论文集（第1096-1104页）。
[54] Xu，J.、Zhang，L.、Zuo，W.、Zhang，D.和Feng，X.（2015）。基于块组的非局部自相似先验学习用于图像去噪。在IEEE计算机视觉国际会议论文集（第244-252页）。
[55] Yang，R。；尹，L。；Gabbouj，M。；阿斯托拉，J。；Neuvo，Y.，结构约束下的最优加权中值滤波，IEEE信号处理汇刊，43，3，591-604（1995）
[56] Yue，Z.、Yong，H.、Zhao，Q.、Meng，D.和Zhang，L.（2019年）。变分去噪网络：实现盲噪声建模和去除。《神经信息处理系统进展》（第1688-1699页）。
[57] 张，J。；Liu，L.，FPGA设计中用于知识产权保护的公开可验证水印，IEEE超大规模集成（VLSI）系统交易，25，4，1520-1527（2017）
[58] 张，L。；Dong，W。；张，D。；Shi，G.，基于局部像素分组的主成分分析的两阶段图像去噪，模式识别，43，4，1531-1549（2010）·Zbl 1191.68808号
[59] Zhu，M.和Chan，T.（2008）。一种有效的全变分图像复原的原-对偶混合梯度算法。加州大学洛杉矶分校CAM报告，34。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。