Построение параметрического семейства вейвлетов и использование его в обработке изображений

 
Аудио генерируется искусственным интеллектом

Резюме

Данная статья посвящена построению параметрического семейства биортогональных вейвлетов по схеме подъема и схемам подразделений, и применению такого семейства в задаче подрисовки изображений, когда часть пиксельных данных на изображении отсутствует или каким-либо образом перезаписана. Параметрическое семейство вейвлетов предоставляет параметрическое семейство фильтров для восстановления поврежденных изображений. При таком восстановлении, нужный вейвлет выбирается не из каких-то общих соображений, а из параметрического семейства в процессе решения оптимизационной задачи.

Общая информация

Ключевые слова: вейвлет преобразование, схема, идентификация с подразделением, цифровая обработка изображений

Рубрика издания: Анализ данных

OpenAlex цитирования: 1

OpenAlex тренды: Изображения и сигналы Denoising методы, Передовые методы слияния изображений, Передовые вычислительные технологии в науке и технике

Информация о публикации в OpenAlex

Количество цитирований: 1

Темы публикации

Изображения и сигналы Denoising методы

Этот кластер документов охватывает широкий спектр методов и алгоритмов для деноизации изображений, включая разреженные представления, вейвлет-преобразование, глубокое обучение с помощью сверточных нейронных сетей, нелокальные средства и методы, специфичные для обработки различных типов шума, таких как гауссовский, пуассоновский и солево-перечный шум. Приложения также распространяются на гиперспектральную визуализацию и использование анизотропной диффузии для уменьшения спеклов.

Количество публикаций: 91964  |  Общее количество цитирований: 1528626

Подробнее о теме в OpenAlex

Передовые методы слияния изображений

Этот кластер работ фокусируется на слиянии многоспектральных и гиперспектральных изображений с использованием таких методов, как вейвлет-преобразование, разреженное представление, сверточные нейронные сети и паншарпинг. Исследование охватывает методы дистанционного зондирования, оценку качества изображения и применения в таких областях, как медицинская визуализация.

Количество публикаций: 33005  |  Общее количество цитирований: 456746

Подробнее о теме в OpenAlex

Передовые вычислительные технологии в науке и технике

Этот кластер статей посвящен пересечению Интернета вещей (IoT) и систем здравоохранения, включая такие темы, как дистанционный мониторинг, алгоритмическое моделирование, беспроводные сенсорные сети, телемедицина, обработка биомедицинских сигналов и управление цифровой информацией. Документы также касаются применения IoT в системах здравоохранения умных городов и использования корпусного анализа в технических учебных аудиториях.

Количество публикаций: 19217  |  Общее количество цитирований: 82460

Подробнее о теме в OpenAlex

Подробнее о публикации в OpenAlex

Тип материала: научная статья

DOI: https://doi.org/10.17759/mda.2023130401

Поступила в редакцию 28.09.2023

Принята к публикации

Опубликована

Для цитаты: Битюков, Ю.И., Битюков, П.Ю. (2023). Построение параметрического семейства вейвлетов и использование его в обработке изображений. Моделирование и анализ данных, 13(4), 7–22. https://doi.org/10.17759/mda.2023130401

© Битюков Ю.И., Битюков П.Ю., 2023

Лицензия: CC BY-NC 4.0

Литература

  1. Frazier Michael W. An introduction to wavelets through linear algebra. 1999. Springer. 503 p.
  2. Bertalmio M., Bertozzi A., and Sapiro G., Navier Stokes, fluid-dynamics and image and video inpainting, Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1 (2001), pp. 355-362.
  3. Chan T.F., Shen J., and Zhou H.M., Total variation wavelet inpainting, J. Math. Imaging Vision, 25 (2006), pp. 107-125.
  4. Cai J.F., Chan R.H., and Shen Z., A framelet-based image inpainting algorithm, Applied and Computational Harmonic Analysis 24 (2008), no. 2, 131–149.
  5. Cavaretta A.S., Dahmen W., and Micchelli C. A., Stationary Subdivision Schemes, Mem. Amer. Math. Soc. 93, 1-186.
  6. Nira Dyn, Analysis of Convergence and Smoothness by the Formalism of Laurent Polynomials. Tutorials on Multiresolution in Geometric Modelling, 2002, 51–68
  7. Блаттер К. Вейвлет-анализ. Основы теории. Москва, 2004. – 280 с.
  8. Новиков И.Я., Протасов В.Ю., Скопина М.А.. Теория всплесков. М.: ФИЗМАТЛИТ. 2005. 612 c.
  9. Sweldens Wim, The lifting scheme: A custom-design construction of biorthogonal wavelets. Applied and Computational Harmonic Analysis, volume3, issue 2, 1996, pp. 186-200.
  10. Sweldens Wim, The lifting scheme: A new philosophy in biorthogonal wavelets construction. In Wavelets Application in Signal and Image Processing III, volume 2569 of Processing of the SPIE, pp. 68-79. SPIE, Bellingham, WA, 1995.

Информация об авторах

Юрий Иванович Битюков, доктор технических наук, доцент, профессор кафедры «Теория вероятностей и компьютерное моделирование», Московский авиационный институт (национальный исследовательский университет) (МАИ), Москва, Российская Федерация, ORCID: https://orcid.org/0009-0008-6384-0564, e-mail: yib72@mail.ru

Павел Юрьевич Битюков, студент-магистр, Московский энергетический институт (национальный исследовательский университет) (МЭИ), Москва, Российская Федерация, ORCID: https://orcid.org/0009-0000-8697-7047, e-mail: p.bityukoff@yandex.ru

Метрики

 Просмотров web

За все время: 339
В прошлом месяце: 10
В текущем месяце: 9

 Скачиваний PDF

За все время: 109
В прошлом месяце: 11
В текущем месяце: 7

 Всего

За все время: 448
В прошлом месяце: 21
В текущем месяце: 16