การเลือกขีดเริ่มเปลี่ยนแบบท้องถิ่นสำหรับการลดทอนสัญญาณรบกวนของภาพบนพื้นฐานของดาวเบชีส์เวฟเล็ตสองมิติ

พรทิพย์ ไพศาลสิงห์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/6883

Title:	การเลือกขีดเริ่มเปลี่ยนแบบท้องถิ่นสำหรับการลดทอนสัญญาณรบกวนของภาพบนพื้นฐานของดาวเบชีส์เวฟเล็ตสองมิติ
Other Titles:	Local thresholding for two dimensional daubechies wavelet based image denoising
Authors:	พรทิพย์ ไพศาลสิงห์
Advisors:	สมชาย จิตะพันธ์กุล
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email:	Somchai.J@chula.ac.th
Subjects:	การประมวลผลภาพ เวฟเล็ต (คณิตศาสตร์) สัญญาณรบกวนทางอิเล็กทรอนิกส์
Issue Date:	2548
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	วิทยานิพนธ์ฉบับนี้เสนอวิธีการลดทอนสัญญาณรบกวน ด้วยการแปลงเวฟเล็ต โดยนำข้อมูลของสัมประสิทธิ์ของเวฟเล็ตที่อยู่ข้างเคียงมาพิจารณา ซึ่งแบ่งวิธีการลดทอสสัญญาณรบกวนที่นำเสนอออกเป็นสองวิธีคือ การใช้วินโดว์ล้อมรอบสัมประสิทธิ์ของเวฟเล็ต แล้วหาขีดเริ่มเปลี่ยนด้วยวิธี SureShrink และการใช้วินโดว์ล้อมรอบสัมประสิทธิ์ของเวฟเล็ต แล้วหาขีดเริ่มเปลี่ยนด้วยวิธี BayesShrink ซึ่งทั้งสองวิธีใช้วินโดว์แบบไม่ซ้อนทับกัน ในการล้อมรอบสัมประสิทธิ์ของเวฟเล็ต โดยในวิทยานิพนธ์นี้ได้เปรียบเทียบผลการลดทอนสัญญาณรบกวนที่ขนาดวินโดว์ที่แตกต่างกัน เพื่อหาขนาดของวินโดว์ที่ให้ผลการลดทอนสัญญาณรบกวนที่ดีที่สุด ผลของการเปรียบเทียบระหว่างวิธีการลดทอนสัญญาณรบกวนแบบอื่นๆ สามารถยืนยันได้ว่า วิธีการลดทอนสัญญาณรบกวนที่นำเสนอให้ประสิทธิภาพเหนือกว่าวิธีการลดทอนสัญญาณรบกวนแบบอื่นๆ ได้แก่ Wiener VisuShrink SureShrink BayesShrink และ NeighShrink อย่างไรก็ตาม เทคนิคการลดทอนสัญญาณรบกวนที่นำเสนอวิธีที่สองให้ผลลัพธ์ที่ดีที่สุด
Other Abstract:	This thesis proposes two wavelet based image denoising techniques which incorporate information from neighboring wavelet coefficients. The first one called local neighborhood window-based image denoising using SureShrink which chooses the threshold in each non-overlapping window by SureShink technique. And the second one called local neighborhood window-based image denoising using BayesShrink which chooses the threshold in each non-overlapping window by BayesShrink technique. The window size which gives the best denosing performance of each image is also reported in this thesis. From the experimental results, our both proposed techniques outperform other traditional techniques including Wiener, VisuShinrk, SureShrink, BayeShrink, and NeighShrink. However, the best results are found on the proposed method II technique.
Description:	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2548
Degree Name:	วิศวกรรมศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิศวกรรมไฟฟ้า
URI:	http://cuir.car.chula.ac.th/handle/123456789/6883
URI:	http://doi.org/10.14457/CU.the.2005.891
ISBN:	9745328596
metadata.dc.identifier.DOI:	10.14457/CU.the.2005.891
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Porntip.pdf		18.05 MB	Adobe PDF	View/Open

Show full item record