شما اینجائید:خانه»پیاده سازی مقاله»بازیابی تصویر با استفاده از مدل گوسین و خوشه بندی تکه های بازیابی شده
بازیابی تصویر با استفاده از مدل گوسین و خوشه بندی تکه های بازیابی شده
ارسال شده توسط:Papersimتاریخ ارسال: 2019/05/31در پیاده سازی مقالهدیدگاهها برای بازیابی تصویر با استفاده از مدل گوسین و خوشه بندی تکه های بازیابی شده بسته هستند
چکيده
در این مقاله بر روی بازسازی تصویرهای آسیب دیده با استفاده از (GMM) multivariate Gaussian mixture model به عنوان یک پیش فرض کار میکند. چارچوب GMM در این روش برای بازسازی تصویر براساس تجمیع قطعات(patch) مشابه تصویر دریک همسایگی می باشد که از توزیع احتمال multivariate Gaussian با میانگین و کواریانس مشخص گرفته می شود.
در روش های قبلی بازسازی تصویر به کمک GMM، فاصله فضایی (هندسی) میان تکه های تصویر در کلاسترینگ در نظر گرفته نشده است. نتایج نشان میدهند که با اعمال تخمین گوسین بر روی پنجره های سایز محدود،کلاسترینگ تکه ها با احتمال بالایی از multivariate Gaussian distribution تخمین زده میشوند.
به عبارت دیگر مدل آماری پیشنهادی که بر اساس قطعات تصویر کار می کنند goodness-of-fit بهتری از ویژگی های آماری تصویرهای طبیعی فراهم می کند.
در این مقاله یک روش جدید جهت محاسبه وزنهای تجمعی جهت بازسازی تصویر از تکه های بازیابی شده معرفی میشود که بر اساس درجه شباهت هر تکه به کلاسترهای تخمین زده شده گوسی عمل میکند.
نتایج نشان می دهد در مورد حذف نویز از تصویر، روش مقاله کاملا قابل مقایسه با جدید ترین روش ها است و روش مورد استفاده در درون یابی تصویر بهتر از روش های جدید قبلی عمل می کند.
Image Restoration Using Gaussian Mixture Models
With Spatially Constrained Patch Clustering
بازیابی تصویر با استفاده از مدل های گوسین مخلوط همراه با استفاده از