Independent component analysis in image denoising
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
1999
Department
Major/Subject
Informaatiotekniikka
Mcode
Tik-61
Degree programme
Language
en
Pages
viii + 69
Series
Abstract
Riippumattomien komponenttien analyysi (ICA) on tilastollinen menetelmä jossa yritetään löytää havaitulle datalle esitys, jossa komponentit ovat toisistaan riippumattomia. Tämä menetelmä on osoittautunut erittäin lupaavaksi piirreirrotuksessa, jolloin se löytää olennaiset osatekijät joista data koostuu. Erityisesti sovellettuna kuvadatalle ICA antaa esityksen joka identifioi kuvan ääriviivat; näitä voidaan pitää kuvadatan ensisijaisena rakenteena. Kohina on mikä tahansa satunnaishäiriö joka huonontaa signaalia. Tässä diplomityössä signaalit ovat kaksiulotteisia, toisin sanoen kuvia. Kohina voi olla peräisin kuvien hankkimisprosessista tai voi ilmaantua jos kuvat lähetetään kohinaisen tiedonsiirtokanavan yli. Kummassakin tapauksessa tehtävänä on käyttää tilastollista tietoa kuvien rakenteesta kohinan häiritsevän vaikutuksen poistamiseksi niin hyvin kuin mahdollista. Tässä työssä tarkastellaan ICA:n ja siihen liittyvien menetelmien käyttöä kuvien kohinanpoistoon. Ensin esitetään yleinen metodi satunnaisvektorin kohinanpoistoon, jonka jälkeen tutkitaan menetelmän soveltamista kuvadatalle. Lopuksi vertaillaan esitettyä metodia perinteisiin kohinanpoistomenetelmiin pitkällisten kokeiden avulla.Description
Supervisor
Oja, ErkkiThesis advisor
Hyvärinen, AapoKeywords
independent component analysis, riippumattomien komponenttien menetelmä, feature extraction, piirreirrotus, image denoising, kuvien kohinanpoisto