search query: @keyword piirreirrotus / total: 11
reference: 10 / 11
« previous | next »
Author:Hoyer, Patrik
Title:Independent component analysis in image denoising
Kuvien kohinanpoisto käyttäen riippumattomien komponenttien menetelmää
Publication type:Master's thesis
Publication year:1999
Pages:viii + 69      Language:   eng
Department/School:Tietotekniikan osasto
Main subject:Informaatiotekniikka   (Tik-61)
Supervisor:Oja, Erkki
Instructor:Hyvärinen, Aapo
Digitized copy: https://aaltodoc.aalto.fi/handle/123456789/86850
OEVS:
Digitized archive copy is available in Aaltodoc
Location:P1 Ark T80     | Archive
Keywords:independent component analysis
feature extraction
image denoising
riippumattomien komponenttien menetelmä
piirreirrotus
kuvien kohinanpoisto
Abstract (fin):Riippumattomien komponenttien analyysi (ICA) on tilastollinen menetelmä jossa yritetään löytää havaitulle datalle esitys, jossa komponentit ovat toisistaan riippumattomia.
Tämä menetelmä on osoittautunut erittäin lupaavaksi piirreirrotuksessa, jolloin se löytää olennaiset osatekijät joista data koostuu.
Erityisesti sovellettuna kuvadatalle ICA antaa esityksen joka identifioi kuvan ääriviivat; näitä voidaan pitää kuvadatan ensisijaisena rakenteena.

Kohina on mikä tahansa satunnaishäiriö joka huonontaa signaalia.
Tässä diplomityössä signaalit ovat kaksiulotteisia, toisin sanoen kuvia.
Kohina voi olla peräisin kuvien hankkimisprosessista tai voi ilmaantua jos kuvat lähetetään kohinaisen tiedonsiirtokanavan yli.
Kummassakin tapauksessa tehtävänä on käyttää tilastollista tietoa kuvien rakenteesta kohinan häiritsevän vaikutuksen poistamiseksi niin hyvin kuin mahdollista.

Tässä työssä tarkastellaan ICA:n ja siihen liittyvien menetelmien käyttöä kuvien kohinanpoistoon.
Ensin esitetään yleinen metodi satunnaisvektorin kohinanpoistoon, jonka jälkeen tutkitaan menetelmän soveltamista kuvadatalle.
Lopuksi vertaillaan esitettyä metodia perinteisiin kohinanpoistomenetelmiin pitkällisten kokeiden avulla.
ED:1999-05-20
INSSI record number: 14254
+ add basket
« previous | next »
INSSI