Image and film denoising by mon-local means

• Autores: Antonio Buades Capó
• Directores de la Tesis: Jean-Michel Morel (dir. tes.)
• Lectura: En la Universitat de les Illes Balears ( España ) en 2006
• Idioma: inglés
• Tribunal Calificador de la Tesis: Luis Miguel Álvarez León (presid.) , Catalina Sbert Juan (secret.) , Josep Lluís Lisani Roca (voc.) , Albert Cohen (voc.) , Bernard Rougé (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • El principal foco de esta tesis es, primero, definir un método matemático y una metodología experimental para comparar y clasificar los métodos de eliminación de ruido en imágenes digitales, Segundo, proponer un algoritmo (Non-Local means), capaz de preservar los detalles de la imagen durante el proceso de eliminación del ruido.

    La comparación de que todos los detalles de la imagen original sean preservados se puede realizar calculando la diferencia entre la imagen degradada y la versión restaurada. Esta diferencia no debería contener ninguna estructura o características visibles y debería parecerse lo más posible a un ruido. Esta diferencia se ha llamado "method noise" y se ha comparado matemáticamente y visualmente para los principales métodos de eliminación del ruido.

    También proponemos aplicar los algoritmos de restauración a ruido puro. Esta nueva imagen debería seguir pareciéndose a un ruido puro con una magnitud de las oscilaciones menor. La creación de estructura a partir de ruido significa la creación de artefactos cuando el algoritmo se aplique a una imagen real.

    Segundo, hemos propuesto un algoritmo (Non-Local means), fijandonos en la imagen misma y sin hacer ningún tipo de hipótesis sobre su regularidad. Este nuevo algoritmo reemplaza el valor de un pixel por una media ponderada de todos los píxeles de la imagen.

    Los pesos son oscilaciones y conserva toda la información ya que se hace una media solo delos pixeles similares. Por tanto, el NL-means usa auto-similitudes de la imagen para reducir el ruido.

    El algoritmo NL-means esta particularmente bien adaptado a las secuencias de imagen. Durante mucho tiempo los investigadores en restauración de vídeo han restaurado cada píxel siguiendo su trayectoria a través de la secuencia. Este hecho combina la restauración estática con la compensación del movimiento.