We refer the reader to the paper of

We refer the reader to the paper of
Lebrun et al. [17] for a complete description of the denoising
problem, as well as a detailed analysis and comparison of
state-of-the-art denoising methods. It has been shown by
Levin and Nadler [20] and Chaterjee and Milanfar [12] that
the current state-of-the-art denoising methods are close to
optimal when applied to natural images. Nonetheless, there is
still room for improvement in several directions. For instance,
while these methods manage to correctly remove most of
the noise, they tend to not properly recover some of the
image details. These methods also primarily deal with additive
Gaussian noise, whereas for many images the noise model
is unknown; in such cases, there is still ample room for
improvement (see Lebrun et al. [19] and references therein
for blind denoising algorithms). Our proposal in this paper is
to develop a strategy to improve any image denoising technique
by more carefully taking into account the local geometry
(direction of gradients and level-lines) of the image to
process.

ผลลัพธ์ (ไทย) 1:

เราถึงอ่านกระดาษLebrun et al. [17] สำหรับคำอธิบายที่สมบูรณ์ของการ denoisingปัญหา ตลอดจนวิเคราะห์ และเปรียบเทียบศิลปะของ denoising วิธี มันแสดงโดยเลวิน และ Nadler [20] และ Chaterjee และ Milanfar [12] ที่วิธีการปัจจุบันที่รัฐของศิลปะ denoising ไว้สูงสุดเมื่อใช้กับภาพธรรมชาติ กระนั้น มีห้องยังปรับปรุงในหลายทิศทาง เช่นในขณะที่วิธีการเหล่านี้จัดการการเอาออกอย่างถูกต้องส่วนใหญ่เสียง พวกเขามักจะไม่ถูกกู้คืนบางตัวรายละเอียดภาพ วิธีการเหล่านี้ยังเป็นหลักจัดการกับสารเติมแต่งนที่เสียง ในขณะที่สำหรับหลายรูปแบบเสียงไม่รู้จัก ในกรณีดังกล่าว มีห้องยังกว้างขวางปรับปรุง (ดู Lebrun et al. [19] และอ้างอิงในนั้นสำหรับคนตาบอด denoising อัลกอริทึม) ของเราข้อเสนอในเอกสารนี้เป็นการพัฒนากลยุทธ์เพื่อปรับปรุงภาพ denoising เทคนิคโดยเพิ่มเติมอย่างรอบคอบคำนึงถึงรูปทรงเรขาคณิตในท้องถิ่น(ทิศทางของการไล่ระดับสีและระดับบรรทัด) ของรูปภาพกระบวนการ

ผลลัพธ์ (ไทย) 2:

เราจะเรียกให้ผู้อ่านกระดาษของ
Lebrun et al, [17] สำหรับคำอธิบายที่สมบูรณ์ของ denoising
ปัญหาเช่นเดียวกับการวิเคราะห์รายละเอียดและการเปรียบเทียบของ
รัฐของศิลปะวิธี denoising มันได้รับการแสดงโดย
เลวินและ Nadler [20] และ Chaterjee และ Milanfar [12] ที่
รัฐของศิลปะวิธี denoising ปัจจุบันอยู่ใกล้กับ
ที่ดีเมื่อนำไปใช้กับภาพที่เป็นธรรมชาติ อย่างไรก็ตามมี
คงมีห้องพักสำหรับการปรับปรุงในหลายทิศทาง ยกตัวอย่างเช่น
ในขณะที่วิธีการเหล่านี้ในการจัดการอย่างถูกต้องลบมากที่สุดของ
เสียงที่พวกเขามีแนวโน้มที่จะไม่ถูกกู้คืนบางส่วนของ
รายละเอียดของภาพ วิธีการเหล่านี้ยังเป็นหลักในการจัดการกับสารเติมแต่ง
เสียงเสียนในขณะที่สำหรับหลาย ๆ ภาพรูปแบบเสียง
ไม่เป็นที่รู้จัก; ในกรณีดังกล่าวยังมีห้องพักเพียงพอสำหรับการ
ปรับปรุง (ดู Lebrun et al. [19] และการอ้างอิงในนั้น
สำหรับขั้นตอนวิธี denoising ตาบอด) ข้อเสนอของเราในการวิจัยนี้คือ
การพัฒนากลยุทธ์ในการปรับปรุงใด ๆ เทคนิคภาพ denoising
ขึ้นอย่างรอบคอบโดยคำนึงถึงรูปทรงเรขาคณิตในท้องถิ่น
(ทิศทางของการไล่ระดับสีและระดับสาย) ของภาพที่จะ
ดำเนินการ

ผลลัพธ์ (ไทย) 3:

เราหมายถึงผู้อ่านหนังสือพิมพ์ของตัวแทน et al . [ 17 ] สำหรับคำอธิบายที่สมบูรณ์ของ denoisingปัญหา ตลอดจนการวิเคราะห์รายละเอียดและการเปรียบเทียบของวิธีการ denoising รัฐของศิลปะ มันได้ถูกแสดงโดยเลวิน และ แนดเลอร์ [ 20 ] และ chaterjee milanfar [ 12 ] และปัจจุบันรัฐ - of - the - art denoising วิธีใกล้กับที่เหมาะสมเมื่อใช้กับภาพธรรมชาติ กระนั้น , มีห้องยังปรับปรุงได้หลายเส้นทาง สำหรับอินสแตนซ์ในขณะที่วิธีการเหล่านี้สามารถถูกลบมากที่สุดเสียงที่พวกเขามีแนวโน้มที่จะไม่ถูกกู้คืนบางส่วนของรายละเอียดภาพ วิธีการจัดการกับสารเหล่านี้ยังเป็นหลักสัญญาณรบกวนเกาส์ ในขณะที่หลายภาพเสียงรูปแบบไม่ ทราบ ในกรณีดังกล่าว ยังคงมีห้องเพียงพอสำหรับปรับปรุง ( เห็นตัวแทน et al . [ 19 ] อ้างอิงสำหรับคนตาบอดขั้นตอนวิธี denoising ) ข้อเสนอของเราในบทความนี้คือเพื่อพัฒนากลยุทธ์เพื่อปรับปรุงภาพ denoising เทคนิคใด ๆโดยเพิ่มเติมอย่างรอบคอบ คำนึงถึงรูปทรงเรขาคณิตท้องถิ่น( ทิศทางของการไล่ระดับสีและระดับสาย ) ของรูปกระบวนการ