Шумоподавление вейвлета изображений
IMDEN = wdenoise2(IM)
IMDEN = wdenoise2(IM,LEVEL)
[IMDEN,DENOISEDCFS] = wdenoise2(___)
[IMDEN,DENOISEDCFS,ORIGCFS] = wdenoise2(___)
[IMDEN,DENOISEDCFS,ORIGCFS,S] = wdenoise2(___)
[IMDEN,DENOISEDCFS,ORIGCFS,S,SHIFTS] = wdenoise2(___)
[___] = wdenoise2(___,Name,Value)
wdenoise2(___)
denoises шкала полутонов или RGB отображают IMDEN
= wdenoise2(IM
)IM
с помощью эмпирического Байесового метода. Вейвлет bior4.4
используется со следующим средним пороговым правилом. Шумоподавление до минимума floor(log2([M N]))
и wmaxlev([M N],'bior4.4')
, где M
и N
являются размерами строки и столбца изображения. IMDEN
является denoised версией IM
.
Для изображений RGB, по умолчанию, wdenoise2
проецирует изображение на свое цветовое пространство принципиального анализа компонента (PCA) перед шумоподавлением. К denoise изображение RGB на пробеле исходного цвета используйте пару "имя-значение" ColorSpace
.
denoises изображение IMDEN
= wdenoise2(IM
,LEVEL
)IM
вниз к уровню разрешения LEVEL
. LEVEL
является положительным целым числом, меньше чем или равным floor(log2(min([M N])))
, где M
и N
являются размерами строки и столбца изображения. Если незаданный, значения по умолчанию LEVEL
к минимальному floor(log2(min([M N])))
и wmaxlev([M N],wname)
, где wname является используемым вейвлетом ('bior4.4'
по умолчанию).
[
возвращает масштабирование и denoised коэффициенты вейвлета в IMDEN
,DENOISEDCFS
] = wdenoise2(___)DENOISEDCFS
с помощью любого из предыдущих синтаксисов.
[
возвращает масштабирование и коэффициенты вейвлета входного изображения в IMDEN
,DENOISEDCFS
,ORIGCFS
] = wdenoise2(___)ORIGCFS
с помощью любого из предыдущих синтаксисов.
[
возвращает размеры коэффициентов приближения в самой грубой шкале наряду с размерами коэффициентов вейвлета во всех шкалах. IMDEN
,DENOISEDCFS
,ORIGCFS
,S
] = wdenoise2(___)S
является матрицей с той же структурой как S
вывод wavedec2
.
[
возвращает сдвиги по измерениям строки и столбца для вращения цикла. IMDEN
,DENOISEDCFS
,ORIGCFS
,S
,SHIFTS
] = wdenoise2(___)SHIFTS
2 (numshifts+1)2
матрицей, где каждый столбец SHIFTS
содержит сдвиги по измерению строки и столбца, используемому во вращении цикла, и numshifts
является значением CycleSpinning
.
[___] = wdenoise2(___,
возвращает изображение denoised с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value
)Name,Value
, с помощью любого из предыдущих синтаксисов.
wdenoise2(___)
без выходных аргументов строит оригинальное изображение наряду с изображением denoised в текущей фигуре.
[1] Абрамович, F., И. Бенямини, Д. Л. Донохо и я. М. Джонстон. “Адаптируясь к Неизвестной Разреженности путем Управления Ложным Уровнем Открытия”. Летопись Статистики, Издания 34, Номера 2, стр 584–653, 2006.
[2] Antoniadis, A., и Г. Оппенхейм, вейвлеты редакторов и Статистика. Читайте лекции Примечаниям в Статистике. Нью-Йорк: Springer Verlag, 1995.
[3] Donoho, D. L. “Прогресс Анализа Вейвлета и WVD: Десятиминутный Тур”. Прогресс Анализа Вейвлета и Приложений (И. Мейер, и. Рок, редакторы). Джиф-сур-Иветт: Выпуски Frontières, 1993.
[4] Donoho, D. L. i. М. Джонстон. “Идеальная Пространственная Адаптация Уменьшением Вейвлета”. Biometrika, Издание 81, стр 425–455, 1994.
[5] Donoho, D. L. “Шумоподавление Мягкой Пороговой обработкой”. Транзакции IEEE на Теории информации, Издании 42, Номере 3, стр 613–627, 1995.
[6] Donoho, D. L. i. М. Джонстон, Г. Керкьячариэн и Д. Пикар. “Уменьшение вейвлета: Asymptopia?” Журнал Королевского Статистического Общества, серий B, Издания 57, № 2, стр 301–369, 1995.
[7] Джонстон, я. M. и Б. В. Сильверман. “Иглы и Солома в Стогах сена: Эмпирические Байесовы Оценки Возможно Разреженных Последовательностей”. Летопись Статистики, Издания 32, Номера 4, стр 1594–1649, 2004.