선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 DT-CWT를 이용한 영상 잡음 제거 방법을 제안하고자 한다. 웨이블릿 계수에 대한 사전확률분포로는 베르누이-가우시안 모델을 사용하며 파라미터 추정을 위해서는 MGML(maximum generalized marginal likelihood)128 291 방법 및 가설-검증 기법을 사용한다.
- 쉽게 추정될 수 있다. 본 연구에서는 공간 적응적 베이즈 잡음 제거 방법을 제안한다. 아울러 파라미터는 가설-검증 기법과 MGML 추정기를 사용하여 추정된다.
- 또한 凡는 %의 값을 구함으로써 추정될 수 있다. 본 논문에서는 가설-검증 기법을 이용하여 为의 값을 추정하는 방법을 제안하고자 한다.
- 본 논문에서는 하나의 웨이블릿 계수에 대하여 공간 적응적인 파라미터를 구하는 방법을 제안하고자 한다. 식 ⑻에서 欤 = 1인 경우 说는 元+屋을 분산으로 하는 가우스 분포를 따르며, 探 = 0인 경우 %는 잡음 성분만 가지므로 垦을 분산으로 가지는 가우스 분포를 가진다.
- 본 논문에서는 이중 트리 복소수 웨이블릿과 베르누이-가우스 사전 확률 모델을 이용한 잡음 제거 방법을 제안하였다. 본 논문에서는 가설-검증 기법을 이용하여베이즈 추정법에 의한 잡음 제거를 위한 파라미터를 추정하는 방법을 제안하였다.
- 본 논문에서는 가설-검증 기법을 이용하여베이즈 추정법에 의한 잡음 제거를 위한 파라미터를 추정하는 방법을 제안하였다. 또한 추정된 파라미터를 이용하여 영상의 분산을 추정하기 위하여 MGML 방법을 도입하였다.
가설 설정
- 식 (10)에서 g는 %와 yk 주변을 포함하는 크기 JV을 가지는 정방형 창에 있는 웨이블릿 계수로 이루어진 랜덤 벡터이다. 0의 각 요소들은 서로 독립적이고 같은 분산을 가진다고 가정한다. 최대 우도 (maximum likelihood: ML) 추정값은 식 (10)의 최대값으로 구할 수 있다.
- 또한 Y의 각 성분은 독립적이라 가정한다. MGML 추정기는 식 (11)의 GML 값을 최대화시켜서 식 (12)와 같이 구할 수 있다.
- *= (%, “・, 无„)를 각각 가우스 분포 刃(0, 廿) 를 가지는 랜덤 변수라 하고, 분산을 모른다고 가정한다. 또한 爲, ■-, xm 은 각각 독립적인 랜덤 변수이고, 같은 분산을 가진다고 가정한다.
- 또한 爲, ■-, xm 은 각각 독립적인 랜덤 변수이고, 같은 분산을 가진다고 가정한다. 이 때 가설을 다음과 같이 정의할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.