УДК 519.2
Д.М. ОНУФРІЄНКО,
Національний технічний університет «Харківський політехнічний інститут», Харків, Україна,
OnufrienkoResearcher@gmail.com
Ю.К. ТАРАНЕНКО,
Приватне підприємство «Лікопак», Дніпро, Україна, tatanen@ukr.net
БЕЗПОРОГОВИЙ МЕТОД ДИСКРЕТНОЇ
ВЕЙВЛЕТ-ФІЛЬТРАЦІЇ ЗОБРАЖЕНЬ
Анотація. Розглянуто сучасні методи й алгоритми DWT-фільтрації зображень від Гаусових шумів високого рівня.
Зазначено, що ці шуми можуть виникати під час аерофотознімання місцевості в умовах забрудненого повітря.
Розглянуто використання єдиного універсального порога обмеження вейвлет-коефіцієнтів деталізації VisuShrink
для всіх рівнів декомпозиції та адаптивного порога BayesShrink. Розроблено алгоритм обмеження кортежу вейвлет-коефіцієнтів зображення.
Ключові слова: DWT, VisuShrink, BayesShrink, алгоритм, Евклідова норма, кортеж вейв- лет-коефіцієнтів.
ПОВНИЙ ТЕКСТ
СПИСОК ЛІТЕРАТУРИ
- Chang S.G., Yu B., Vetterli M. Adaptive wavelet thresholding for image denoising and compression. IEEE Transactions on Image Processing. 2000. Vol. 9, Iss. 9. P. 1532–1546. https://doi.org/10.1109/83.862633.
- Ehsaeyan E. A robust image denoising technique in the contourlet transform domain. International Journal of Engineering. 2015. Vol. 28, Iss. 11. P. 1589–1596.
- Sendur L., Selesnick I.W. Bivariate shrinkage functions for wavelet-based denoising exploiting interscale dependency. IEEE Transactions on Signal Processing. 2002. Vol. 50, Iss. 11. P. 2744–2756.
- Zhang F., Liu Z. Image denoising based on the bivariate model of dual tree complex wavelet transform. Proc. 11th IEEE International Conference on Computational Intelligence and Security (19–20 December, Shenzhen, China). Shenzhen, 2015. P. 171–174.
- Lee G.R., Gommers R., Waselewski F., Wohlfahrt K., O’Leary A. PyWavelets: A Python package for wavelet analysis. The Journal of Open Source Software. 2019. 4(36). 1237. https://doi.org/10.21105/joss.01237.
- Donoho D.L., Johnstone I.M. Ideal spatial adaptation by wavelet shrinkage. Biometrika. 1994. Vol. 81, Iss. 3. P. 425–455.
- Taranenko Y.K. Efficiency of using wavelet transforms for filtering noise in the signals of measuring transducers. Meas Tech. 2021. Vol. 64. P. 94–99. https://doi.org/10.1007/s11018-021-01902-8.
- van der Walt S., Schnberger J.L., Nunez-Iglesias J., Boulogne F., Warner J.D., Yager N., Gouillart E., Yu T. The scikit-image contributors. scikit-image: image processing in Python. PeerJ. 2014. 2:e453. https://doi.org/10.7717/peerj.453.
- Feng L., Lin L. Comparative analysis of image denoising methods based on wavelet transform and threshold functions. International Journal of Engineering. 2017. Vol. 30, Iss. 2. P. 199–206.
