De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Beeldverwerking Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2011-2012

Verwante presentaties


Presentatie over: "Beeldverwerking Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2011-2012"— Transcript van de presentatie:

1 Beeldverwerking Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar Tel: 09/ Fax: 09/

2 © W. Philips, Universiteit Gent, versie: 30/11/ b. 2 Copyright notice This powerpoint presentation was developed as an educational aid to the renewed course “Image processing” (Beeldverwerking), taught at the University of Gent, Belgium as of This presentation may be used, modified and copied free of charge for non-commercial purposes by individuals and non-for-profit organisations and distributed free of charge by individuals and non-for-profit organisations to individuals and non-for-profit organisations, either in electronic form on a physical storage medium such as a CD-rom, provided that the following conditions are observed: 1.If you use this presentation as a whole or in part either in original or modified form, you should include the copyright notice “© W. Philips, Universiteit Gent, ” in a font size of at least 10 point on each slide; 2.You should include this slide (with the copyright conditions) once in each document (by which is meant either a computer file or a reproduction derived from such a file); 3. If you modify the presentation, you should clearly state so in the presentation; 4.You may not charge a fee for presenting or distributing the presentation, except to cover your costs pertaining to distribution. In other words, you or your organisation should not intend to make or make a profit from the activity for which you use or distribute the presentation; 5. You may not distribute the presentations electronically through a network (e.g., an HTTP or FTP server) without express permission by the author. In case the presentation is modified these requirements apply to the modified work as a whole. If identifiable sections of that work are not derived from the presentation, and can be reasonably considered independent and separate works in themselves, then these requirements do not apply to those sections when you distribute them as separate works. But when you distribute the same sections as part of a whole which is a work based on the presentation, the distribution of the whole must be on the terms of this License, whose permissions for other licensees extend to the entire whole, and thus to each and every part regardless of who wrote it. In particular note that condition 4 also applies to the modified work (i.e., you may not charge for it). “Using and distributing the presentation” means using it for any purpose, including but not limited to viewing it, presenting it to an audience in a lecture, distributing it to students or employees for self-teaching purposes,... Use, modification, copying and distribution for commercial purposes or by commercial organisations is not covered by this licence and is not permitted without the author’s consent. A fee may be charged for such use. Disclaimer: Note that no warrantee is offered, neither for the correctness of the contents of this presentation, nor to the safety of its use. Electronic documents such as this one are inherently unsafe because they may become infected by macro viruses. The programs used to view and modify this software are also inherently unsafe and may contain bugs that might corrupt the data or the operating system on your computer. If you use this presentation, I would appreciate being notified of this by . I would also like to be informed of any errors or omissions that you discover. Finally, if you have developed similar presentations I would be grateful if you allow me to use these in my course lectures. Prof. dr. ir. W. Philips Department of Telecommunications and Information ProcessingFax: University of GentTel: St.-Pietersnieuwstraat 41, B9000 Gent, Belgium

3 © W. Philips, Universiteit Gent, versie: 30/11/ b. 3 Overzicht Plaats-frequentieanalyse en -ontbindingen Principes Redundante en niet-redundante subbanddecompositie Subbanddecomposities voor beelden Quadrature mirror filters (Daubechies) Verband met wavelets Ruisonderdrukking wavelet shrinkage multischaal technieken Bayesiaanse technieken en Markov-randomvelden Ruisonderdrukking bij video Opmerking: delen van deze presentatie zijn gebaseerd op het doctoraatsonderzoek van Aleksandra Pizurica

4 Waveletgebaseerde restauratie Lokaal Bayesiaanse restauratie

5 © W. Philips, Universiteit Gent, versie: 30/11/ b. 5 Lokale Bayesiaanse technieken… multischaal significantiemaat (redundante) wavelet- transformatie beeld met ruis w j ( x,y ) s j ( x,y ) Verschil met MRF-gebaseerde technieken geen random search meer, maar rechtstreekse schatting van de ruisvrije waveletcoëfficiënten lokale Bayesiaanse estimator inverse discrete wavelet- transformatie verbeterd beeld w ’ j ( x,y ) intraschaal spatiale- activiteitsmaat a j ( x,y ) Vereenvoudigde versie: hou enkel rekening met a j ( x,y ) en niet met s j ( x,y ) geen gezamenlijk model voor alle waveletcoëfficiënten, maar conditioneel model voor één enkele coëfficiënt (niet optimaal)

6 © W. Philips, Universiteit Gent, versie: 30/11/ b. 6 Verschillen met MRFs a j ( x,y ) is ook groot voor andere beeldstructuren, b.v. textuur dit is goed want de shrinkage-regel zal typisch de ruisonderdrukking uitschakelen bij grote a j ( x,y ), d.w.z. niet alleen bij randen maar ook texturen MRF-gebaseerde technieken zullen texturen sneller onderdrukken …Lokale Bayesiaanse technieken De distributiewordt geschat adhv. het histogram van de waveletcoëfficiënten van de betreffende band Motivering: als het lokaal venster een rand bevat zal a j ( x,y ) typisch veel groter zijn dan als het venster alleen ruis bevat Mogelijke keuze voor de spatiale activiteitsindicator: (gemiddelde grootte van de wavelet- coëfficiënten in een lokaal venster) lokale Bayesiaanse technieken vragen veel minder rekentijd (belangrijk voor uitbreiding naar video) maar MRFs bieden meer ruimte tot uitbreiding

7 © W. Philips, Universiteit Gent, versie: 30/11/ b. 7 Voorbeelden: kleurbeelden… Methode: Afzonderlijke wavelettransformatie van de R-, G- en B-band lokale Bayesiaanse schatting, waarbij echter ook rekening wordt gehouden met correlaties tussen de R-, G- en B-waveletcoëfficiënten

8 © W. Philips, Universiteit Gent, versie: 30/11/ b. 8 …Voorbeelden: kleurbeelden

9 © W. Philips, Universiteit Gent, versie: 30/11/ b. 9 Bibliografie Markov random velden en random search in het waveletdomein M. Malfait, D. Roose. Wavelet-based image denoising using a markov random eld a priori model, IEEE Trans. Image Proc., 6(4): , april M. Malfait. Stochastic Sampling and Wavelets for Bayesian Image Analysis. Doctoraatsthesis K.U.Leuven, Verbeterde MRF-technieken in het waveletdomein A. Pižurica, W. Philips, I. Lemahieu and M. Acheroy. A Joint Inter- and Intrascale Statistical Model for Bayesian Wavelet Based Image Denoising. IEEE Trans. on Image Processing, vol. 11, no. 5, pp , mei Bayesiaanse technieken in het waveletdomein A. Pižurica. Image Denoising Using Wavelets and Spatial Context Modeling. Doctoraatsthesis UGent, 2002.


Download ppt "Beeldverwerking Prof. dr. ir. W. Philips Didactisch materiaal bij de cursus Academiejaar 2011-2012"

Verwante presentaties


Ads door Google