Chống rung ảnh stereo bằng curvelet

 T p chí Khoa h c và Công ngh 117 (2017) 031-036
 Nguy n Thúy Anh1*, 1,2
 1 ng i h c Bách khoa Hà N i - S i C Vi t Hai Bà i
 2 i H ng Xã H - ng H u Ngh i 
 n Tòa so n: 20-10-2016; ch p nh -02-2017 
 Tóm t t
 Trong bài báo này, chúng tôi 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 thông tin quan tr ng c n b o toàn. 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 Công ngh 117 (2017) 031-036
2.1. nhstereo
2.2. B l c Wiener và v khôi ph c nh
2.3. Bi i Curvelet
 T p chí Khoa h c và Công 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 Công ngh 117 (2017) 031-036
 3.3.2. Kh nhi u c ng Gauss và khôi ph c b ng 
 Curvelet
3.3. ng nhi u và khôi ph c nh Stereo
 3.3.3. Kh nhi u nhân Gauss và khôi ph c b ng 
 Curvelet
3.3.1. Kh nhi u ng u nhiên và khôi ph c b ng 
Curvelet
 3.4. X lý nh Stereo m b ng Curvelet
 T p chí Khoa h c và Công 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 Công ngh 117 (2017) 031-036
 [3]. François 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, [5]. E.Candµes, L. Demanet, D.Donoho, L. Ying, Fast 
 page108, International Edition. discrete curvelettransforms, Multiscale Model. Simul., 
[2]. Sendur, L., Selesnick, I. W. - Bivariate shrinkage 5(2006)(3)861-899.
 functions for Wavelet-based denoising exploiting [6]. E.Candµes, D. Donoho, Continuous curvelet transform: 
 interscale dependency, IEEE on Trans. Signal I. Resolution of the wavefront set, Appl. Comput. 
 Processing., 50(2002)2744-2756. Harmon. Anal., 19(2003)162-197.