Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Nonlocal Markovian models for image denoising

Texto completo
Autor(es):
Salvadeo, Denis H. P. [1, 2] ; Mascarenhas, Nelson D. A. [2, 3] ; Levada, Alexandre L. M. [2]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Sao Paulo State Univ, Dept Stat Appl Math & Computat, Rua 24A, 1515, BR-13503013 Rio Claro - Brazil
[2] Univ Fed Sao Carlos, Dept Comp, Via Washington Luis, Km 235, BR-13565905 Sao Carlos, SP - Brazil
[3] Fac Campo Limpo Paulista, Grad Program Comp Sci, Rua Guatemala 170, BR-13231230 Campo Limpo Paulista - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: JOURNAL OF ELECTRONIC IMAGING; v. 25, n. 1 JAN 2016.
Citações Web of Science: 6
Resumo

Currently, the state-of-the art methods for image denoising are patch-based approaches. Redundant information present in nonlocal regions (patches) of the image is considered for better image modeling, resulting in an improved quality of filtering. In this respect, nonlocal Markov random field (MRF) models are proposed by redefining the energy functions of classical MRF models to adopt a nonlocal approach. With the new energy functions, the pairwise pixel interaction is weighted according to the similarities between the patches corresponding to each pair. Also, a maximum pseudolikelihood estimation of the spatial dependency parameter (beta) for these models is presented here. For evaluating this proposal, these models are used as an a priori model in a maximum a posteriori estimation to denoise additive white Gaussian noise in images. Finally, results display a notable improvement in both quantitative and qualitative terms in comparison with the local MRFs. (C) 2016 SPIE and IS\&T (AU)

Processo FAPESP: 10/09248-7 - Filtragem de Ruído em Imagens Tomográficas com Baixa Taxa de Contagem Utilizando uma Abordagem Bayesiana Contextual
Beneficiário:Denis Henrique Pinheiro Salvadeo
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 13/25595-7 - Campos aleatórios markovianos não locais: um novo modelo e sua aplicação em filtragem de ruído em imagens
Beneficiário:Denis Henrique Pinheiro Salvadeo
Linha de fomento: Auxílio à Pesquisa - Regular