ABSCHÄTZUNG UND REDUZIERUNG VON LÄRM

Rauschen ist ein großes Problem, das bei der Bildverarbeitung in Bildverarbeitungsanwendungen auftritt. Dieses Rauschen muss vorhergesagt und nach der Schätzung auf ein bestimmtes, maximal zulässiges Maß reduziert werden. Wir können keine völlig rauschfreien Bilder strukturieren, aber wir können die Qualität der Bilder verbessern, indem wir diese Geräusche abschätzen. Der vorgeschlagene Ansatz ist ein innovativer Weg, um das Rauschen zu schätzen und zu entfernen, das durch Beobachtung während der Verarbeitung von Bildern gefunden wird. Die Hauptkomponentenanalyse (PCA) wird verwendet, um das Rauschen durch Schätzung zu entfernen. Dies kann durch eine der statistischen Techniken geschehen, die häufig in der Signalverarbeitung zur Reduzierung der Datendimension oder zur Datenkorrelation verwendet werden. Bei der Hauptkomponentenanalyse werden die Bildblöcke in Vektoren umgeordnet und die Kovarianzmatrix dieses Vektors berechnet. Dann werden die Eigenwerte der Kovarianzmatrix ausgewählt, die nur dem Rauschen entsprechen. Mit Hilfe des Durchschnitts der Eigenwerte können wir das im Bild vorhandene Rauschen abschätzen. Für die Abschätzung des Rauschens im Bild nehmen wir nur einen Teilbereich des Bildes, so dass es für uns bequem ist, es mit Hilfe der Denoise-Funktion zu reduzieren.

Autorentext
Tarun Pare ist promovierter Forschungsstipendiat an der Sandip University Nashik und verfügt über vielfältige Erfahrungen in der Arbeit mit verschiedenen EdTech-Unternehmen. Er hat etwa 7 Jahre Erfahrung in der IT und im akademischen Bereich.