Eliminación de ruido de imagen basada en un modelo de mezcla gaussiana mejorado.
Autores: Wei, Hui; Zheng, Wei
Idioma: Inglés
Editor: Hindawi
Año: 2021
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Se propone un método de eliminación de ruido de imágenes basado en el modelo de mezcla gaussiana mejorado para reducir los ruidos y mejorar la calidad de la imagen. A diferencia de los métodos tradicionales de eliminación de ruido de imágenes, el método propuesto modela la información de píxeles en el vecindario alrededor de cada píxel en la imagen. El modelo de mezcla gaussiana se emplea para medir la similitud entre píxeles calculando la norma L2 entre los modelos de mezcla gaussiana correspondientes a los dos píxeles. El modelo de mezcla gaussiana puede modelar la información estadística como la media y la varianza de la información del píxel en el área de la imagen. La norma L2 entre los dos modelos de mezcla gaussiana representa la diferencia en la intensidad de escala de grises local y la riqueza de los detalles de la información del píxel alrededor de los dos píxeles. En este sentido, la norma L2 entre los modelos de mezcla gaussiana puede medir de manera más precisa la similitud
Descripción
Se propone un método de eliminación de ruido de imágenes basado en el modelo de mezcla gaussiana mejorado para reducir los ruidos y mejorar la calidad de la imagen. A diferencia de los métodos tradicionales de eliminación de ruido de imágenes, el método propuesto modela la información de píxeles en el vecindario alrededor de cada píxel en la imagen. El modelo de mezcla gaussiana se emplea para medir la similitud entre píxeles calculando la norma L2 entre los modelos de mezcla gaussiana correspondientes a los dos píxeles. El modelo de mezcla gaussiana puede modelar la información estadística como la media y la varianza de la información del píxel en el área de la imagen. La norma L2 entre los dos modelos de mezcla gaussiana representa la diferencia en la intensidad de escala de grises local y la riqueza de los detalles de la información del píxel alrededor de los dos píxeles. En este sentido, la norma L2 entre los modelos de mezcla gaussiana puede medir de manera más precisa la similitud