Chống rung ảnh stereo bằng curvelet

T p chí Khoa h c và Cơng ngh 117 (2017) 031-036

Nguy n Thúy Anh1*,
1
2

iH

ng

1,2

i h c Bách khoa Hà N i - S
i C Vi t Hai Bà
ng Xã H
ng H u Ngh
n Tòa so n: 20-10-2016; ch p nh
-02-2017

i
i

Tóm t t
Trong bài báo này, chúng tơi trình bày v
ch ng rung và kh nhi u nh b
Curvelet.
i v i nh stereo nói riêng và tín hi u 1D, 2D, 3D, MD (nhi u chi
t bi n ch a
ng thơng tin quan tr ng c n b o tồn. B ng vi c dùng bi
i Curvelet có th t n d
m và

h n ch
m c
c bi
ng tính b n v
bi
i
ng hi u qu ch ng rung lo i tr nhi u. K t qu mô ph ng ch rõ hi u qu ch ng rung
c
ng c a giá tr PSF (Point-spread function) lên các m ng giá tr RMSE
(Root Mean Square Error) và PSNR (Peak Signal-to-Noise Ratio)
khôi ph c l i nh b rung hi u qu
so v
n th ng khác.
T khóa: Ch ng rung, Bi

i Curvelet, X lý nh stereo, Kh nhi u nh.

Abtracts
In this paper, we present image of noise reduction and vibration problems by curvelet method. For particular
stereo image and 1D, 2D, 3D, MD (multidimensional) signals in general, the mutation points contain
important information that need preservation. By using curvelet transform can make use of the advantages
and limit disadvantages of the method. Specialy, enhancing the sustainability base on curvelet
transformation and enhance effectiveness of vibration and denoise. The simulation results show the
vibration effectiveness of the method when using the impact of PSF to the value of arrays of RMSE values
and PSNR to restore the shaked image more efficient than the other tradition methods.
Keyword: Antivibration, Curvelet transfomation, Stereo image processing, Image Denoising.

*

*

T p chí Khoa h c và Cơng ngh 117 (2017) 031-036

2.1. nhstereo

2.2. B l c Wiener và v

2.3. Bi

i Curvelet

khôi ph c nh


T p chí Khoa h c và Cơng ngh 117 (2017) 031-036

khung ch t
3.1. Tách nh Stereo thành các nh 2D

Curvelet r i r c

Thu t toán ch ng rung nh Stereob ng Curvelet

3.2. Tách biên t
nh Stereo và khôi ph c biên lý
ng b ng Curvelet

2.4 Các tham s

ng nh


T p chí Khoa h c và Cơng ngh 117 (2017) 031-036

3.3.

3.3.1. Kh
Curvelet

3.3.2. Kh
Curvelet

nhi u c ng Gauss và khôi ph c b ng

3.3.3. Kh
Curvelet

nhi u nhân Gauss và khôi ph c b ng

ng nhi u và khôi ph c nh Stereo

nhi u ng u nhiên và khôi ph c b ng

3.4. X lý nh Stereo m b ng Curvelet


T p chí Khoa h c và Cơng ngh 117 (2017) 031-036

3.4.2. Ch ng rung nh s d ng Curvelet

3.4.1. Ch ng rung nh s d ng Wiener filter

K t lu n:


T p chí Khoa h c và Cơng ngh 117 (2017) 031-036
[3]. Franỗois G. Meyer - Wavelet-Based Estimation of a
Semiparametric Generalized Linear Model of FMRI
Time-Series, IEEE Trans. on Medical Imaging
22(2003)3.
[4]. Christopher B. Smith, Sos Agaian, and David Akopian
- A Wavelet-Denoising Approach Using Polynomial
Threshold Operators, IEEE Trans. Signal Processing
Lets., 15(2008).
[1]. Simon Haykin, Adaptive Filter Theory Fifth Edition,
page108, International Edition.
[2]. Sendur, L., Selesnick, I. W. - Bivariate shrinkage
functions for Wavelet-based denoising exploiting
interscale dependency, IEEE on Trans. Signal
Processing., 50(2002)2744-2756.

[5]. E.Candµes, L. Demanet, D.Donoho, L. Ying, Fast
discrete curvelettransforms, Multiscale Model. Simul.,
5(2006)(3)861-899.
[6]. E.Candµes, D. Donoho, Continuous curvelet transform:
I. Resolution of the wavefront set, Appl. Comput.
Harmon. Anal., 19(2003)162-197.