View : 529 Download: 0

Full metadata record

DC Field Value Language
dc.description.abstractIn this paper, we propose a method for image denoising which give different weight in edges. By detecting the edges and applying different weights in edges, we can remove noise and get better result. This work is intended as an attempt to motivate the importance of edge detection. We apply different parameters in edges which are detected by the Laplacian operator in order to attain clearer image in edges. The adoption of the edge detection and application of different weights in the problem endow better denoising property. Detecting the edges and putting different weight in edges will be applied to compare five different images. Some numerical experiments are presented by comparing the proposed method with other denoising methods: the Kernel Regression(KR), the Non-Local Means(NLM), the Moving Least Squares(MLS), the Total Variation(TV), and the Moving Least Squares with Total Variation(MLS-TV).;영상처리에서 노이즈를 제거하는 기술은 매우 중요하다. 이 학위논문에서는 기존에 연구되었던 다양한 노이즈 제거 방법을 소개하고 좀더 효과적인 노이즈 제거법을 제안한다. edge를 검출하여 edge 부근에서 다른 가중치를 적용해 노이즈를 제거하면 더 나은 이미지를 얻을 수 있다. 이는 edge를 찾는 것에 중요한 동기를 부여하기 위한 시도이다. 좀더 선명한 이미지를 얻기 위해서 라플라스 연산자에 의해 찾은 edge 부근에서 기존의 Moving Least Squares with Total Variation(MLS-TV)기법과는 다른 가중치를 적용한다. 마지막으로 여러 가지 이미지에 적용한 시각적, 수치적 결과로 새롭게 제안한 기법의 우수성을 확인한다.-
dc.description.tableofcontents1 Introduction 1 2 Denoising Methods 4 2.1 Kernel Regression 4 2.2 Nonlocal Means based Denoising 6 2.3 Image Denoising by Moving Least Squares 8 2.4 Total Variation Minimization based Denoising 10 2.5 The MLS with TV Minimizing Model 12 3 Construction of New Scheme 14 3.1 Edge Detection 14 3.2 The MLS-TV Model with New 16 4 Experimental Results 19 References 29 국문초록 32-
dc.format.extent5511961 bytes-
dc.publisher이화여자대학교 대학원-
dc.titleConstruction of a New Denoising Scheme Based on the MLS-TV Model-
dc.typeMaster's Thesis-
dc.format.pageiii, 32 p.-
dc.identifier.major대학원 수학과- 2-
Appears in Collections:
일반대학원 > 수학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)