In order to improve the image denoi

In order to improve the image denoising ability, the wavelet transform (WT) and independent component analysis (ICA) are both
introduced into image denoising in this paper. Although these two algorithms have their own advantages in image denoising, they
are unable to reduce noises completely, which makes it difficult to achieve ideal effect. Therefore, a new image denoising method
is proposed based on the combination of WT with ICA (WT-ICA). For verifying the WT-ICA denoising method, we adopt four
image denoising methods for comparison: median filtering (MF), wavelet soft thresholding (WST), ICA, and WT-ICA. From the
experimental results, it is shown that WT-ICA can significantly reduce noises and get lower-noise image. Moreover, the average
of WT-ICA denoising image’s peak signal to noise ratio (PSNR) is improved by 20.54% compared with noisy image and 11.68%
compared with the classical WST denoising image, which demonstrates its advantage. From the performance of texture and edge
detection, denoising image byWT-ICA is closer to the original image.Therefore, the new method has its unique advantage in image
denoising, which lays a solid foundation for the realization of further image processing task.

ผลลัพธ์ (ไทย) 1:

เพื่อปรับปรุงภาพ denoising ความสามารถ การแปลงเดียว (WT) และวิเคราะห์ประกอบอิสระ (ICA) มีทั้งนำเข้าภาพ denoising ในเอกสารนี้ แม้ว่าอัลกอริทึมเหล่านี้สองมีข้อดีของตัวเองในภาพ denoising พวกเขาจะไม่สามารถลดเสียงได้อย่างสมบูรณ์ ซึ่งทำให้ยากที่จะบรรลุผลสมบูรณ์ ดังนั้น รูปใหม่ denoising วิธีมีเสนอตามชุดของ WT กับ ICA (WT-ICA) ตรวจสอบวิธีการ denoising WT ICA เรานำสี่ภาพ denoising วิธีเปรียบเทียบ: เฉลี่ยกรอง (MF), เดียวนุ่ม thresholding (WST), ICA และ WT ICA จากการผลการทดลอง มันจะแสดงว่า WT ICA สามารถลดเสียงรบกวน และได้รับภาพสัญญาณรบกวนต่ำ นอกจากนี้ ค่าเฉลี่ยของสัญญาณสูงสุด WT ICA denoising ภาพเสียง ดีขึ้นอัตรา (PSNR) โดย 20.54% เมื่อเทียบกับภาพเสียงและ 11.68%เมื่อเทียบกับคลาสสิก WST denoising ภาพ ซึ่งแสดงให้เห็นประโยชน์ จากประสิทธิภาพของพื้นผิวและขอบการตรวจจับ denoising ภาพ byWT-ICA จะใกล้เคียงกับภาพต้นฉบับ ดังนั้น วิธีการใหม่มีประโยชน์เฉพาะในภาพdenoising ซึ่งวางรากฐานที่มั่นคงสำหรับการสำนึกของงานการประมวลผลภาพเพิ่มเติม

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะปรับปรุงความสามารถในภาพ denoising การแปลงเวฟเล็ต (WT) และการวิเคราะห์องค์ประกอบอิสระ (ICA) มีทั้งที่
นำเข้าสู่ denoising ภาพในบทความนี้ แม้ว่าทั้งสองขั้นตอนวิธีมีข้อดีของตัวเองใน denoising ภาพที่พวกเขา
ไม่สามารถที่จะลดเสียงสมบูรณ์ซึ่งจะทำให้มันยากที่จะบรรลุผลในอุดมคติ ดังนั้นวิธีการที่ภาพ denoising ใหม่
มีการเสนอขึ้นอยู่กับการรวมกันของ WT กับ ICA นี้ (WT-ICA) ในการตรวจสอบวิธีการ WT-ICA denoising เรานำสี่
วิธี denoising ภาพสำหรับการเปรียบเทียบ: กรองมัธยฐาน (MF), เวฟ thresholding นุ่ม (WST) ICA และ WT-ICA จาก
ผลการทดลองก็จะแสดงให้เห็นว่า WT-ICA อย่างมีนัยสำคัญสามารถลดเสียงและได้รับภาพเสียงรบกวนต่ำ นอกจากนี้ค่าเฉลี่ย
ของสัญญาณสูงสุด WT-ICA denoising ภาพเสียงอัตราส่วน (PSNR) จะดีขึ้นโดย 20.54% เมื่อเทียบกับภาพที่มีเสียงดังและ 11.68%
เมื่อเทียบกับภาพ WST denoising คลาสสิกซึ่งแสดงให้เห็นถึงประโยชน์ของมัน จากประสิทธิภาพการทำงานของพื้นผิวและขอบ
ตรวจสอบ denoising ภาพ byWT-ICA อยู่ใกล้กับ image.Therefore เดิมวิธีการใหม่มีความได้เปรียบที่ไม่ซ้ำกันในภาพ
denoising ซึ่งวางรากฐานที่มั่นคงสำหรับการสำนึกของงานการประมวลผลภาพต่อไป

ผลลัพธ์ (ไทย) 3:

เพื่อปรับปรุงภาพ denoising ความสามารถในการแปลงเวฟ ( WT ) และวิเคราะห์องค์ประกอบอิสระ ( ICA ) มีทั้งแนะนำเป็นภาพ denoising ในกระดาษนี้ แม้ว่าทั้งสองแบบมีข้อดีของตัวเองในภาพ denoising พวกเขาไม่สามารถลดเสียงสมบูรณ์ซึ่งทำให้มันยากที่จะบรรลุผลในอุดมคติ ดังนั้น ภาพ denoising วิธีใหม่เสนอบนพื้นฐานของการรวมกันของ WT กับ ICA ( wt-ica ) เพื่อ wt-ica denoising เรา adopt สี่วิธีภาพ denoising วิธีการเปรียบเทียบ : มัธยฐานกรอง ( MF ) , วิธีการปรับนุ่ม ( WST ) ไอซี และ wt-ica . จากผลการทดลอง พบว่า wt-ica สามารถลดเสียงและลดสัญญาณรบกวนภาพ นอกจากนี้ โดยเฉลี่ยของ wt-ica denoising ภาพสูงสุดอัตราส่วนสัญญาณต่อสัญญาณรบกวน ( สัญญาณ ) จะดีขึ้น โดย 20.54 % เมื่อเทียบกับภาพที่มีเสียงดังและ 11.68 %เมื่อเทียบกับคลาสสิก WST denoising ภาพที่แสดงให้เห็นถึงประโยชน์ของมัน จากการแสดงของพื้นผิวและขอบการตรวจสอบ , denoising ICA bywt ภาพใกล้เคียงกับภาพต้นฉบับ ดังนั้น วิธีใหม่มีข้อได้เปรียบที่เป็นเอกลักษณ์ในรูปภาพdenoising , ที่วางรากฐานที่มั่นคงสำหรับการรับรู้ของงานการประมวลผลภาพต่อไป