×
纳泽尔·穆罕默德;纳吉斯·比比;穆罕默德·阿里夫·沙阿;赛拉·扎伊纳布;伊桑·乌拉;扎希德·马哈茂德

一种基于熵的融合显著边缘增强方法。 （英语） 兹比尔1481.94027

申请。数学。建模 93, 525-537 (2021).
摘要：本文提出了一种新的具有自适应权值的子带替换和融合方法，用于图像去噪和表示。这些权重是减少锯齿效果所必需的。在这方面，我们设计了一个基于熵测量和边缘增强策略的显式收敛准则。该方法是非局部均值的全自动版本，可以很容易地适应噪声方差未知的非平稳高斯噪声。所提出的方法不仅在边缘增强方面改进了图像，而且在去除噪声的同时在细节保留方面也改进了图像，而不会对图像的显著特征进行过度平滑或锐化。边缘增强和去噪图像验证使用成熟的度量标准进行可视化和定量验证。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
94甲12 信号理论（表征、重建、滤波等）
62华氏35 多元分析中的图像分析

关键词：

非本地手段;熵;小波变换;边缘增强;去噪

软件：

BSDS公司
PDF格式BibTeX公司 XML格式引用
\textit{N.Muhammad}等人，应用。数学。型号93，525--537（2021；Zbl 1481.94027）
全文： 内政部

参考文献：

[1] Buades，A。；科尔·B。；Morel，J.-M，图像去噪的非局部算法，2005年IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）-第2卷-第02卷。2005年IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）-第2卷-第02卷，图像去噪的A系列非局部算法，60-65（2005），IEEE计算机协会·Zbl 1108.94004号
[2] 吴，Y。；特蕾西，B。；Natarajan，P。；Noonan，J.，概率非局部平均值，IEEE信号处理。莱特。(2013)
[3] 跑车，P。；Hellier，P。；科尔夫兰，C。；Barillot，C.，基于非局部均值的超声图像斑点滤波，图像处理。IEEE传输。，18, 10, 2221-2229 (2009) ·Zbl 1371.94100号
[4] Darbon，J。；库尼亚，A。；陈，T.F。；Osher，S。；Jensen，G.J.，《应用于电子冷冻显微镜的快速非局部滤波》，《生物医学成像：从纳米到宏观》，2008年。ISBI 2008。第五届IEEE国际研讨会，1331-1334（2008），IEEE
[5] 布塔达，G。；阿南德·R。；Saxena，S.，使用小波和曲线变换去噪图像的自适应融合进行边缘保持图像增强，Digit。信号处理。，21, 1, 118-130 (2011)
[6] Chaudhury，K.N.，双边滤波和非局部方法的可移动算法的加速，图像处理。IEEE传输。，22, 4, 1291-1300 (2013) ·Zbl 1373.94070号
[7] Khan，H。；谢里夫，M。；比比，N。；Usman，M。；海德尔，S.A。；Zainab，S。；沙阿，J.H。；巴希尔，Y。；Muhammad，N.，用于小波域图像去噪的辐射变换定位，神经计算，381，141-151（2020）
[8] 艾克，C.S。；Muhammad，N.，《基于可分离属性的糟糕图像数据超分辨率》，模式分析。申请。(2019)
[9] Mahmood，Z。；比比，N。；Usman，M。；Khan，U。；Muhammad，N.，运动应用的基于云的移动框架，Multidimens。系统。信号处理。，30, 4, 1991-2019 (2019)
[10] 范德维尔，D。；Kocher，M.，基于Sur-based的非局部手段，信号处理。莱特。IEEE，16，11，973-976（2009）
[11] 杜瓦尔，V。；J.-F.奥约。；Gousseau，Y.，《非局部平均值的偏方差方法》，SIAM J.Imaging Sci。，4, 2, 760-788 (2011) ·Zbl 1219.94004号
[12] 穆罕默德，N。；比比，N。；贾汉吉尔，A。；Mahmood，Z.，用范数加权融合估计器进行图像去噪，模式分析。申请。，21, 4, 1013-1022 (2018)
[13] 穆罕默德，N。；比比，N。；瓦哈布，A。；Mahmood，Z。；阿克兰，T。；Naqvi，S.R。；哦，H.S。；Kim，D.-G.，使用贝叶斯估值器的子带替换和融合过程的图像去噪，计算。选举人。工程师，70113-427（2018）
[14] Farwa，S。；穆罕默德，N。；沙阿·T。；Ahmad，S.，基于代数S-box和arnold变换的新型图像加密，3D Res.，8，3，26（2017）
[15] 莫卧儿，B。；穆罕默德，N。；Sharif，M.，用于在曲线缝合域中定位乳房肿块的自适应滞后阈值分割技术，Int.J.Med.Inform。，126, 26-34 (2019)
[16] Khalid，S。；穆罕默德，N。；Sharif，M.，《带数字分割和识别的交通标志自动测量》，IET Intell。运输。系统。，13, 2, 269-279 (2019)
[17] Khan，H。；谢里夫，M。；比比，N。；Muhammad，N.，《使用子带形态学操作检测脑动脉瘤的新算法》，《欧洲物理杂志》。J.Plus，134，1，34（2019年）
[18] 穆罕默德，N。；Bibi，N.，使用部分旋转上下三角分解到小波域的数字图像水印，IET图像处理。，9, 9, 795-803 (2015)
[19] 莫卧儿，B。；谢里夫，M。；穆罕默德，N。；Saba，T.，降低女性乳腺肿瘤死亡率的新分类方案，Microsc。Res.Tech.，81，2，171-180（2018）
[20] 莫卧儿，B。；谢里夫，M。；Muhammad，N.，《cad系统中早期检测乳腺肿瘤的双模型处理》，《欧洲物理学》。J.Plus，132，6，266（2017）
[21] 莫卧儿，B。；穆罕默德，N。；谢里夫，M。；拉赫曼，A。；Saba，T.，基于地形图和变形轮廓的胸肌切除，BMC癌症，18，1，778（2018）
[22] Mahmood，Z。；阿里，T。；穆罕默德，N。；比比，N。；沙赫扎德一世。；Azmat，S.，《耳朵：运动娱乐应用增强增强现实系统》，KSII Trans。互联网信息系统。，11, 12 (2017)
[23] 马哈茂德，Z。；比比，N。；Usman，M。；Khan，U。；Muhammad，N.，运动应用的基于云的移动框架，Multidimens。系统。信号处理。(2019)
[24] Mahmood，Z。；穆罕默德，N。；比比，N。；Ali，T.，最先进的人脸识别方法综述，Fractals，25，021750025（2017）
[25] 波提拉，J。；斯特雷拉，V。；Wainwright，M.J。；Simoncelli，E.P.，《小波域中使用高斯混合尺度的图像去噪》，《图像处理》。IEEE传输。，12, 11, 1338-1351 (2003) ·Zbl 1279.94028号
[26] Donoho，D.L.，通过软阈值去噪，基础理论IEEE Trans。，41, 3, 613-627 (1995) ·Zbl 0820.62002号
[27] M.M.Ichir。；Mohammad-Djafari，A.，基于小波的盲源分离隐马尔可夫模型，图像处理。IEEE传输。，15, 7, 1887-1899 (2006)
[28] 科尔夫兰，C。；Boulanger，J.，基于补丁的图像去噪的最佳空间自适应，图像处理。IEEE传输。，15, 10, 2866-2878 (2006)
[29] Louchet，C。；Moisan，L.，作为局部滤波器的总变化，SIAM J.成像科学。，4, 2, 651-694 (2011) ·Zbl 1219.94008号
[30] 科尔夫兰，C。；Boulanger，J。；Coup，P.，贝叶斯非局部均值滤波器，图像冗余和噪声去除自适应字典，计算机视觉中的尺度空间和变分方法，520-532（2007），Springer
[31] 皮萨罗。；Mrzek，P。；迪达斯，S。；Grewenig，S。；Weickert，J.，《广义非局部图像平滑》，国际计算机杂志。视觉。，90，1，62-87（2010）·Zbl 1477.94020号
[32] 你，S.J。；Cho，N.I.，自适应带宽非局部意味着小波域中的图像去噪，EURASIP J.图像视频处理。，2013, 1, 60 (2013)
[33] 勒布伦，M。；科罗姆，M。；布阿德斯，A。；Morel，J.，《图像去噪烹饪的秘密》，《数值学报》。，21, 1, 475-576 (2012) ·Zbl 1260.94016号
[34] A.戈莱。；Ghosh，A.，《粒子群优化的灰度图像增强》，《自然与生物启发计算》，2009年。NaBIC 2009年。IEEE世界大会，72-77（2009）
[35] Saleem，A。；Beghdadi，A。；Boashash，B.，基于图像融合的对比度增强，EURASIP J.图像视频处理。，2012, 1, 1-17 (2012)
[36] 王，Z。；博维克，A.C。；谢赫，H.R。；Simoncelli，E.P.，《图像评估：从错误可见性到结构相似性》，《图像处理》。IEEE传输。，13, 4, 600-612 (2004)
[37] E.J.沃顿。；帕内塔，K.A。；Agian，S.S.，使用各向异性扩散进行边缘保持图像增强，电子成像2008（2008），国际光学和光子学学会
[38] Gilg，M.，2-用灰度图像表示无线传感器网络：路由应用，（Femmam，S.，《构建无线传感器网络》（2017），Elsevier），31-66
[39] 索尼，V。；班达里，A.K。；库马尔，A。；Singh，G.K.，基于进化算法的卫星图像去噪改进子带自适应阈值函数，IET信号处理。，7, 8, 720-730 (2013)
[40] 徐，J。；张，L。；左，W。；张，D。；Feng，X.，基于补丁组的图像去噪非局部自相似先验学习，IEEE计算机视觉国际会议（ICCV）（2015）
[41] 马丁·D·。；Fowlkes，C。；塔尔，D。；Malik，J.，人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用，Proc。第八届国际计算机视觉大会，2416-423（2001）
[42] Dabov，K。；Foi，A。；Katkovnik，V。；Egiazarian，K.，稀疏三维变换域协同滤波图像去噪，IEEE Trans。图像处理。，16, 8, 2080-2095 (2007)
[43] 佐兰，D。；Weiss，Y.，《从自然图像补丁的学习模型到整体图像恢复》，2011年IEEE国际计算机视觉会议（ICCV），479-486（2011），IEEE
[44] Mairal，J。；巴赫，F。；彭斯，J。；萨皮罗，G。；Zisserman，A.，图像恢复的非局部稀疏模型，2009 IEEE第12届计算机视觉国际会议，2272-2279（2009）
[45] Dong，W。；张，L。；Shi，G。；Li，X.，图像恢复的非局部集中稀疏表示，IEEE Trans。图像处理。，22, 4, 1620-1630 (2013) ·Zbl 1373.94104号
[46] Dong，W。；Shi，G。；Li，X.，用双边方差估计进行非局部图像恢复：低秩方法，IEEE Trans。图像处理。，22, 2, 700-711 (2013) ·Zbl 1373.94102号
[47] 顾S。；张，L。；左，W。；Feng，X.，加权核范数最小化及其在图像去噪中的应用，2014年IEEE计算机视觉和模式识别会议（CVPR），2862-2869（2014），IEEE
[48] 张，X。；Hou，G。；马，J。；杨伟（Yang，W.）。；Lin，B。；Xu，Y。；Chen，W。；Feng，Y.，使用结合补丁和像素相似性的非局部均值滤波器对mr图像进行去噪，PLoS ONE，9（2014）
[49] 查特吉，P。；Milanfar，P.，基于补丁的近最优图像去噪，IEEE Trans。图像处理。，21, 4, 1635-1649 (2012) ·Zbl 1373.94069号
[50] Lu，H.，基于主要邻域字典的贝叶斯非局部均值图像去噪，音频、语言和图像处理（ICALIP），2012年国际会议，502-507（2012），IEEE
[51] Salmon，J.，《关于用非局部方法去噪的两个参数，信号处理》。莱特。IEEE，17，3，269-272（2010）
[52] 詹，Y。；张，X。；Ding，M.，《斑点抑制的新型迭代非局部平均算法》，SPIE医学成像（2012），国际光学与光子学学会
[53] Alhosainy，A.M。；Badran，E.F.，《使用可变窗口大小的自适应非局部均值滤波器》，《信息技术国际会议论文集》（ICIT）（2009年）
[54] 穆罕默德，N。；比比，N。；贾汉吉尔，A。；Mahmood，Z.，用范数加权融合估计器进行图像去噪，模式分析。申请。，1-10（2017）
[55] Shreyamsha Kumar，B.K.，基于高斯/双边滤波器的图像去噪及其方法噪声阈值，信号图像视频处理。，7, 6, 1159-1172 (2013)
[56] 小时ttps://hal.inria.fr/hal-01575918
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。