دانلود ترجمه مقاله مات زدایی تصویر با دانش پیشین رتبه پایینِ بهبود یافته

عنوان فارسی

مات زدایی تصویر با دانش پیشین رتبه پایینِ بهبود یافته

عنوان انگلیسی

Image Deblurring via Enhanced Low Rank Prior

کلمات کلیدی :

  مات زدایی کور؛ درجه پایین؛ نُرم هسته وزن دار؛ مات زدایی غیر یکنواخت

درسهای مرتبط پردازش تصویر؛ بینایی ماشین
تعداد صفحات مقاله انگلیسی : 12 نشریه : IEEE
سال انتشار : 2016 تعداد رفرنس مقاله : 51
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
IEEE
قیمت دانلود ترجمه مقاله
34,800 تومان
فهرست مطالب

1. مقدمه 2. کار و مشکل مربوطه LRMA .3 برای مات زدایی تصویر 4. الگوریتم پیشنهادی 5. بهینه سازی 6. LRMA برای مات زدایی غیریکنواخت 7. نتایج تجربی 8. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

تقریب ماتریس درجه پایین در سال‌های اخیر، با موفقیت به مسائل بینایی متعددی اعمال شده‌است. در این مقاله، ما یک دانش پیشین درجه پایین جدید برای مات زدایی تصاویر کور پیشنهاد می‌کنیم. نکته اصلی ما این است که اعمال مستقیم یک مدل درجه پایین ساده به تصویر ورودی تار، بطور قابل توجهی تاری را حتی بدون استفاده از هرگونه اطلاعات کرنلی، کاهش دهد در حالی که اطلاعات لبه مهم حفظ شود. از همین مدل می توان برای کاهش ماتی در گرادیان یک تصویر ورودی مات استفاده کرد. بر اساس این خصوصیات ، ما با ترکیب درجه پایین قطعه های مشابه از تصویر مات و گرادیان اش ، یک دانش پیشین پیشرفته برای مات زدایی تصویر معرفی می‌کنیم. ما یک روش کمینه‌سازی نُرم هسته‌ی وزن دار (WNNM) را برای اثر بخشی بیشتر دانش پیشین درجه پایین مات زدایی تصویر به کار می‌گیریم و با حفظ لبه‌های برجسته و از بین بردن بافت ظریف و لبه‌های نازک در تصاویر میانی، اجازه تخمین بهتر کرنل داده می شود. به علاوه، ما دانش پیشین درجه پایین بهبودیافته پیشنهادی را برای هر دو حالت مات زدایی یکنواخت و غیر یکنواخت ارزیابی کردیم. ارزیابی‌های تجربی کمی و کیفی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با آخرین روش های موفق مات زدایی عملکرد مطلوبی دارد.

نمونه متن انگلیسی مقاله

Low-rank matrix approximation has been successfully applied to numerous vision problems in recent years. In this paper, we propose a novel low-rank prior for blind image deblurring. Our key observation is that directly applying a simple low-rank model to a blurry input image significantly reduces the blur even without using any kernel information, while preserving important edge information. The same model can be used to reduce blur in the gradient map of a blurry input. Based on these properties, we introduce an enhanced prior for image deblurring by combining the low rank prior of similar patches from both the blurry image and its gradient map. We employ a weighted nuclear norm minimization method to further enhance the effectiveness of low-rank prior for image deblurring, by retaining the dominant edges and eliminating fine texture and slight edges in intermediate images, allowing for better kernel estimation. In addition, we evaluate the proposed enhanced low-rank prior for both the uniform and the non-uniform deblurring. Quantitative and qualitative experimental evaluations demonstrate that the proposed algorithm performs favorably against the state-of-the-art deblurring methods.

توضیحات و مشاهده مقاله انگلیسی

بخشی از ترجمه مقاله (صفحه 12 فایل ورد ترجمه)

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
قیمت : 34,800 تومان

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود ترجمه مقاله مات زدایی تصویر با دانش پیشین رتبه پایینِ بهبود یافته”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سیزده − 4 =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi