KFUPM ePrints

Compressed sensing based image denoising: novel patch-based collaborative algorithms

l Compressed sensing based image denoising: novel patch-based collaborative algorithms. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF (MS Electrical Engineering Thesis By Muzammil Behzad) - Published Version
Restricted to Abstract Only until 13 January 2018.
Available under License Creative Commons Attribution Non-commercial No Derivatives.

33Mb

Arabic Abstract

في هذا البحث ، تم إقتراح خوارزمية القائمة على تصحيح والحد من ضجيج الصورة مع الأخذ بالاعتبار ضجيج جاوس المضاف والغير مرغوب به في مكونات الصورة. الخوارزميات المقترحة يتم تصنيفها في الصورة قليلة الضجيج الرمادية والملونة. تم اقتراح الاستفادة من تطبيع مسافة يوكولديان والعلاقة القائمة على مجموعة من الأجزاء في الخوارزميات. هذه المجموعة من الأجزاء هو وسيلة فعالة للحصول على الدعم التعاوني-اللأدري متفرق لإعادة الإعمار إلى تقليل أجزاء من الضجيج. من أجل هذا الترابط في الخوارزميات،تم حزم مجموعة مماثلة من الأجزاء المنظمة مقابل المسافة والتصحيح اعتمادا على نهج الكثافة الثابتة. الفكرة الرئيسية هي أنه بما أن الأجزاء المتماثلة تتشارك الدعم في مجال التحويل، هذا الدعم يمكن استخدامه كاحتماليات المناطق النشطة لتحسين متفرق التقديرات. هذا في نهاية المطاف ينتج تصحيح جيد تقديريا وبالتالي يزيد من جودة تعافى الصورة عن طريق التخلص من الضوضاء المتسببة من مكوناتها. من أجل المناطق السلسة في الصورة، تم وضع وتطبيق معالج متخصص لزيادة جودة التصحيح للصورة. تم مقارنة النتائج في برنامج المحاكاة مع أواخر الخوارزميات من خلال ذروة الإشارة إلى نسبة الضوضاء والتشابه الهيكلي على مجموعة واسعة من السيناريوهات مع إظهار تفوق الخوارزميات المقترحة.

English Abstract

In this thesis, we propose novel patch-based image denoising algorithms to take care of the undesired additive white Gaussian noise (AWGN) components introduced in an image. Our algorithms are broadly classified into grayscale and color image denoising. We propose to utilize normalized Euclidean distance and correlation based grouping of patches in our algorithms. Such grouping of patches is an effective way for collaborative support-agnostic sparse reconstruction to denoise a noisy patch. For the collaboration, we stack similarly structured patches via distance and correlation based intensity-invariant approach. The key idea is that since similar patches share the same support in the transformed domain, these supports can be used as probabilities of active taps to refine the sparse estimates. This ultimately yields a very good patch estimate and therefore increases the quality of recovered image by discarding the noise-causing components. For the smooth regions of an image, a specially developed post-processor is then applied to further increase the quality of the denoised image. Comparison results from extensive simulations with the existing state-of-the-art algorithms in terms of PNSR and SSIM over a wide range of scenarios demonstrate the superiority of our proposed algorithms.



Item Type:Thesis (Masters)
Subjects:Computer
Systems
Seminars
Civil Engineering > Geotechnical Engineering
Civil Engineering > Transportation Engineering
Engineering
General
Research
Research > Engineering
Physics
Aerospace
Electrical
Petroleum > Enhanced Oil Recovery
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Committee Advisor:Mousa, Wali. A
Committee Members:Al-Naffouri, Tareq Y. and Al-Shaikhi, Ali A.
ID Code:140190
Deposited By:MUZAMMIL BEHZAD (g201402660)
Deposited On:16 Jan 2017 07:55
Last Modified:16 Jan 2017 07:55

Repository Staff Only: item control page