2-D impulse noise suppression by recursive gaussian maximum likelihood estimation.
2-D impulse noise suppression by recursive gaussian maximum likelihood estimation.
复制标题
通过递归高斯最大似然估计抑制二维脉冲噪声
DOI：
10.1371/journal.pone.0096386
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Toumoulin C
中科院分区：
文献类型：
--
作者：
Chen Y;Yang J;Shu H;Shi L;Wu J;Luo L;Coatrieux JL;Toumoulin C
本文开发了一种称为递归高斯最大似然估计（RGMLE）的有效方法来抑制二维脉冲噪声。并利用空间自适应方差推导了两种算法，即RGMLE-C和RGMLE-CS，分别基于确定性和联合确定性和相似性信息进行估计。为了可靠地实现 RGMLE-C 和 RGMLE-CS 算法，通过评估未损坏像素的估计误差，提出了一种新颖的递归停止策略。不同噪声密度的数值实验表明，所提出的两种算法可以比一些典型的中值型滤波器获得明显更好的结果。还通过基于 GPU（图形处理单元）的并行化技术实现了高效实施。
An effective approach termed Recursive Gaussian Maximum Likelihood Estimation (RGMLE) is developed in this paper to suppress 2-D impulse noise. And two algorithms termed RGMLE-C and RGMLE-CS are derived by using spatially-adaptive variances, which are respectively estimated based on certainty and joint certainty & similarity information. To give reliable implementation of RGMLE-C and RGMLE-CS algorithms, a novel recursion stopping strategy is proposed by evaluating the estimation error of uncorrupted pixels. Numerical experiments on different noise densities show that the proposed two algorithms can lead to significantly better results than some typical median type filters. Efficient implementation is also realized via GPU (Graphic Processing Unit)-based parallelization techniques.
登录
查看更多内容
使用伪影抑制大规模非局部方法进行胸部低剂量 CT 图像处理
影响因子：
3.5
作者：
Chen, Yang;Yang, Zhou;Toumoulin, Christine
通讯作者：
Toumoulin, Christine
影响因子：
3.9
作者：
Srinivasan, K. S.;Ebenezer, D.
通讯作者：
Ebenezer, D.
影响因子：
10.6
作者：
Chan, RH;Ho, CW;Nikolova, M
通讯作者：
Nikolova, M
影响因子：
5.4
作者：
Arce, GR
通讯作者：
Arce, GR
影响因子：
10.6
作者：
Elad, Michael;Aharon, Michal
通讯作者：
Aharon, Michal