دانلود مقاله Using Bivariate Gaussian Distribution for Image Denoising in the 2درD Complex Wavelet Domain با word
دانلود مقاله Using Bivariate Gaussian Distribution for Image Denoising in the 2درD Complex Wavelet Domain با word دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد دانلود مقاله Using Bivariate Gaussian Distribution for Image Denoising in the 2درD Complex Wavelet Domain با word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله Using Bivariate Gaussian Distribution for Image Denoising in the 2درD Complex Wavelet Domain با word،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن دانلود مقاله Using Bivariate Gaussian Distribution for Image Denoising in the 2درD Complex Wavelet Domain با word :
سال انتشار: 1389
محل انتشار: ششمین کنفرانس ماشین بینایی و پردازش تصویر
تعداد صفحات: 6
نویسنده(ها):
Ali Rekabdar – Department of Mathematics & Computer science,
Omid Khayat – bDepartment of Nuclear Engineering and Physics Amirkabir University of Technology
Noushin Khatib – cElectrical Engineering Department, Iran University of Science and Technology, Tehran, Iran
Mina Aminghafari – aDepartment of Mathematics & Computer science
چکیده:
Within this framework we describe a novel technique for removing noise from digital noisy images, based on the modeling of wavelet coefficient with bivariate normal distribution and statistical calculation. A method for image denoising is presented in this paper to maximize a posterior density function (MAP) estimator using a bivariate normal random variable. We use our denoising algorithm in 2-D complex wavelet domain comparing with soft and hard thresholding method of stationary wavelet analysis tool (2-D SWT). Despite the simplicity of our method in its implementation, our denoising results achieves better performance than the other mentioned methods both visually and in terms of peak signal-to-noise ratio (PSNR).