웨이블릿에서 임계화 연산은 웨이블릿의 계수들 중에서 크기가 작은 계수들은 0으로 처리하여 계수들을 축소시키거나 아니면 남아있게 하는 것이다. 이것은 국소 과정에 근간 한다. 왜냐하면 웨이블릿계수들은 국소 함수, 움직임을 나타낸다. 비록 웨이블릿의 계수들은 직교 변환에 의해서 만들어졌다고는 하나, 실험적으로 웨이블릿 계수들간에는 상관이 있음이 밝혀졌다. 일반적으로 계수들간의 상관은 웨이블릿 임계화에서 고려되지 않았다. 이 상관을 고려하기 위하여, 본 논문에서는 실험적 ...
웨이블릿에서 임계화 연산은 웨이블릿의 계수들 중에서 크기가 작은 계수들은 0으로 처리하여 계수들을 축소시키거나 아니면 남아있게 하는 것이다. 이것은 국소 과정에 근간 한다. 왜냐하면 웨이블릿계수들은 국소 함수, 움직임을 나타낸다. 비록 웨이블릿의 계수들은 직교 변환에 의해서 만들어졌다고는 하나, 실험적으로 웨이블릿 계수들간에는 상관이 있음이 밝혀졌다. 일반적으로 계수들간의 상관은 웨이블릿 임계화에서 고려되지 않았다. 이 상관을 고려하기 위하여, 본 논문에서는 실험적 베이지안 접근법을 사용하겠다. 이것은 Jansen과 Butheel(1999)에 의해 연구되었다. 이들은 마코브랜덤마당을 이용하여 고전적 임계화 연산을 향상시키기 위하여 실험적 베이지안 접근을 발전시켰다. 그들은 중요한 계수들의 집합에서는 계수들이 균일분포를 따른다고 생각하였다. 본 논문에서는 이미지 잡음제거에 정규분포를 사용하였다. 본 논문에서는 Jansen과 Butheel의 방법과 우리의 결과를 매틀랩(Matlab)에 있는 사진자료를 이용하여 비교한다. 더나가 본 논문에서는 비교에서 차이 측도를 이용하겠다. 이 고전적 임계화 방법이나 Jansen과 Butheel(1999)의 접근법보다 더 나은 잡음제거 능력을 향상시키고 좀 더 합리적인 방법일 것이다.
웨이블릿에서 임계화 연산은 웨이블릿의 계수들 중에서 크기가 작은 계수들은 0으로 처리하여 계수들을 축소시키거나 아니면 남아있게 하는 것이다. 이것은 국소 과정에 근간 한다. 왜냐하면 웨이블릿계수들은 국소 함수, 움직임을 나타낸다. 비록 웨이블릿의 계수들은 직교 변환에 의해서 만들어졌다고는 하나, 실험적으로 웨이블릿 계수들간에는 상관이 있음이 밝혀졌다. 일반적으로 계수들간의 상관은 웨이블릿 임계화에서 고려되지 않았다. 이 상관을 고려하기 위하여, 본 논문에서는 실험적 베이지안 접근법을 사용하겠다. 이것은 Jansen과 Butheel(1999)에 의해 연구되었다. 이들은 마코브랜덤마당을 이용하여 고전적 임계화 연산을 향상시키기 위하여 실험적 베이지안 접근을 발전시켰다. 그들은 중요한 계수들의 집합에서는 계수들이 균일분포를 따른다고 생각하였다. 본 논문에서는 이미지 잡음제거에 정규분포를 사용하였다. 본 논문에서는 Jansen과 Butheel의 방법과 우리의 결과를 매틀랩(Matlab)에 있는 사진자료를 이용하여 비교한다. 더나가 본 논문에서는 비교에서 차이 측도를 이용하겠다. 이 고전적 임계화 방법이나 Jansen과 Butheel(1999)의 접근법보다 더 나은 잡음제거 능력을 향상시키고 좀 더 합리적인 방법일 것이다.
Wavelet threshold algorithms replace wavelet coefficients with small magnitude by zero and keep or shrink the other coefficient. This is basically a local procedure, since wavelet coefficients represent the local function, behavior. Even though wavelet coefficients are made by orthonormal transforma...
Wavelet threshold algorithms replace wavelet coefficients with small magnitude by zero and keep or shrink the other coefficient. This is basically a local procedure, since wavelet coefficients represent the local function, behavior. Even though wavelet coefficients are made by orthonormal transformation, empirically, those wavelet coefficients are known to have decorrelating properties. In order to take into consider this correlation, I use the empirical Bayes approach, which has been studied by Jansen and Bultheel(1999). They developed the empirical Bayes approach to improve the classical threshold algorithm using local characterization in Markov random field. They assumed the clustering of significant wavelet coefficients have uniform distribution. In this literature. I'll use normal distribution instead of uniform distribution at image denoising. I compared our results with the methods of Jansen and Butheel, by using the picture data in Matlab. Further I used the measure of difference in comparisons.
Wavelet threshold algorithms replace wavelet coefficients with small magnitude by zero and keep or shrink the other coefficient. This is basically a local procedure, since wavelet coefficients represent the local function, behavior. Even though wavelet coefficients are made by orthonormal transformation, empirically, those wavelet coefficients are known to have decorrelating properties. In order to take into consider this correlation, I use the empirical Bayes approach, which has been studied by Jansen and Bultheel(1999). They developed the empirical Bayes approach to improve the classical threshold algorithm using local characterization in Markov random field. They assumed the clustering of significant wavelet coefficients have uniform distribution. In this literature. I'll use normal distribution instead of uniform distribution at image denoising. I compared our results with the methods of Jansen and Butheel, by using the picture data in Matlab. Further I used the measure of difference in comparisons.
주제어
#이미지 잡음제거 웨이블릿 변환 베이즈 임계치 마코브 연쇄 몬테 칼로 image denoising wavelet transform Bayes threshold Markov Chain Monte Carlo
학위논문 정보
저자
성시형
학위수여기관
연세대학교 대학원
학위구분
국내석사
학과
응용통계학과
지도교수
안윤기
발행연도
2001
총페이지
iii, 46p.
키워드
이미지 잡음제거 웨이블릿 변환 베이즈 임계치 마코브 연쇄 몬테 칼로 image denoising wavelet transform Bayes threshold Markov Chain Monte Carlo
※ AI-Helper는 부적절한 답변을 할 수 있습니다.