Publicación:
Estudio de técnicas de suavización en imágenes basadas en modelos dispersos

Vista sencilla de ítem
dc.contributor.advisorForero, Manuel Guillermoes_CO
dc.contributor.authorSánchez Tarquino, Jaime Enriquees_CO
dc.creator.degreeIngeniero Electrónicoes_CO
dc.date.accessioned2019-06-14T17:14:18Z
dc.date.available2019-06-14T17:14:18Z
dc.date.issued2019
dc.descriptionEn la última década se han venido desarrollando técnicas avanzadas para la eliminación de ruido en el procesamiento de imágenes, cuyos resultados permiten no sólo una mayor eliminación de ruido, sino la conservación de los bordes. Entre estas técnicas se destacan el método del promedio no local (non local means), BDM3D y basados en modelado disperso (sparse modeling) entre otros. Esta última técnica ha despertado gran interés debido a los resultados en los cuales se elimina ruido de gran intensidad. Para ellos hace uso de diccionarios que se construyen a medida que el filtro avanza. Esta técnica se ha expandido para ser usada en combinación con redes neuronales. En este trabajo, se implementó el algoritmo de suavización K-SVD. Este algoritmo es basado en modelado disperso. Con el fin de analizar y conocer las bases, características y resultados obtenidos con el método de modelado disperso se comparó con otras técnicas de eliminación de ruido, basadas en máscaras de convolución. Para ello, se analizó la respuesta del filtro y sus resultados, en cuanto a la eliminación de ruido y conservación de bordes. Para ello se utilizaron imágenes naturales y sintéticas con diferentes niveles de ruido.es_CO
dc.description.abstractIn the last decade, advanced techniques have been developed for the elimination of noise in the image processing, whose results allow not only a greater denoise, but the preservation of the edges. These techniques include the non-local average method, BDM3D and based on sparse modeling, among others. This last technique has aroused great interest due to the results in which high-intensity noise is eliminated. For them, it uses dictionaries that are built as the filter progresses. This technique has been expanded to be used in combination with neural networks. In this work, the K-SVD smoothing algorithm was implemented. This algorithm is based on sparse modeling. In order to analyze and know the bases, characteristics and results obtained with the dispersed modeling method, it was compared with other noise elimination techniques, based on convolution masks. For this, the response of the filter and its results were analyzed, in terms of noise elimination and edge conservation. For this purpose, natural and synthetic images with different noise levels were used.Eng_USA
dc.formatApplication/pdf
dc.identifier.citationSánchez Traquino, J.E. (2019). Estudio de técnicas de suavización en imágenes basadas en modelos dispersos. [Tesis de pregrado, Universidad de Ibagué]. http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1176es_CO
dc.identifier.urihttps://hdl.handle.net/20.500.12313/1176
dc.language.isoeses_CO
dc.publisherUniversidad de Ibaguées_CO
dc.publisher.departmentFacultad de Ingenieríaes_CO
dc.rightsCreative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License
dc.rights.licenseManifiesto(amos) que el documento objeto de esta autorización es de mi(nuestra) exclusiva autoría, tengo(emos) la titularidad plena sobre él y el mismo fue elaborado sin quebrantar ni suplantar los derechos de autor de terceros. En caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el mismo, asumiré(mos) la responsabilidad total, y saldré(mos) en defensa de los derechos aquí autorizados a la Universidad de Ibagué; por tanto, para todos los efectos, la Universidad de Ibagué actúa como un tercero de buena fe. Esta autorización no implica renunciar al derecho que tengo(emos) de publicar total o parcialmente el documento. Toda persona que consulte el documento, ya sea en la biblioteca o el medio electrónico en donde sea reproducido, podrá copiar apartes del texto, siempre y cuando cite la fuente, es decir el título del documento y a mí(nosotros) como su(s) autor(es).es_CO
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectModelado dispersoes_CO
dc.subjectK-SVDes_CO
dc.subjectTécnicas de convoluciónes_CO
dc.subjectProcesamiento de imágeneses_CO
dc.subject.classificationL.P. Yaroslavsky, K.O. Egiazarian, and J.T. Astola. "Transform domain image restoration methods : review, comparison, and interpretation". In Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series, 4304 :155–169, 2001.
dc.subject.keywordSparse modelingEng_USA
dc.subject.keywordK-SVDEng_USA
dc.subject.keywordConvolution masksEng_USA
dc.subject.keywordPropagatedEng_USA
dc.subject.keywordImage processingEng_USA
dc.titleEstudio de técnicas de suavización en imágenes basadas en modelos dispersoses_CO
dc.typeBachelor ThesisEng_USA
dc.typeTesis de pregradoes_CO
dcterms.bibliographicCitationM. Aharon, M. Elad, and A. Bruckstein. "K-SVD: An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation". IEEE Transactions on image processing, pages 9-12, 2005.
dcterms.bibliographicCitationA. Buades, B. Coll, and J.M. Morel. "A non local algorithm for image denoising". IEEE Computer Vision and Pattern Recognition", 2 :60-65, 2005.
dcterms.bibliographicCitationK. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian. "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on image processing , 16, 2007.
dcterms.bibliographicCitationA. Buades, M. Lebrun, and J.M. Morel. A Non-local Bayesian image denoising algorithm. SIAM Journal on Imaging Science, 2013.
dcterms.bibliographicCitationL. I. Rudin, S. Osher, and E. Fatemi. "Nonlinear total variation based noise removal algorithms". Phys. D, 60 :259–268, 1992.
dcterms.bibliographicCitationRodrigo Hernández Navarrete “Procesamiento digital de imágenes con ultrasonido” (9-13) 25 octubre de 2010.
dcterms.bibliographicCitationA. Kumar Boyat y B. Kumar Joshi. “A review paper: Noise models inn digital image processing” Signal & Image Processing: An International Journal (SIPIJ) Vol.6, No.2, April 2015.
dcterms.bibliographicCitationImage Databases [Online]. Available: (http://www.imageprocessingplace.com/), Agosto 2014, 1 p, Agosto 2017.
dcterms.bibliographicCitationhttps://www.researchgate.net/figure/An-enhanced-ultrasound-image-with-N-11-l-1-and-p-1_fig4_221906504
dcterms.bibliographicCitationCapitulo 6 (http://pteam.pixinsight.com/carlos/H_Cap6.pdf?fbclid=IwAR14J1PtX0rslJHuJNS7l_pTmM4B57QlU-yY7ByPh5Z-zAVveIUdM0SnNvU
dcterms.bibliographicCitationhttp://www.cse.dmu.ac.uk/~sexton/WWWPages/HIPR/html/gsmooth.html
dcterms.bibliographicCitationA. Buades, B. Coll, J.M. Morel, “A review of image denoising methods, with a new one”, Multiscale Modeling and Simulation, Vol. 4 (2), pp: 490-530, 2006.
dcterms.bibliographicCitationK. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian, “Image Denoising by Sparse 3D Transform-Domain Collaborative Filtering.,” IEEE Transactions on Image Processing, vol. 16, no. 8, pp. 2080–2095, 2007.
dcterms.bibliographicCitationL.P. Yaroslavsky. "Local adaptive image restoration and enhancement with the use of DFT and DCT in a running window". In Proceedings of SPIE, 2825 :2–13, 1996.
dcterms.bibliographicCitationD. Donoho and I. Johnstone. "Ideal spatial adaptation by wavelet shrinkage". Biometrika, 81 :425–455, 1993.
dcterms.bibliographicCitationJ.L. Starck, E.J. Candès, and D.L. Donoho. "The curvelet transform for image denoising". IEEE Transactions on image processing , 11 :670–684, 2002.
dcterms.bibliographicCitationS. Mallat and Z. Zhang. "Matching pursuits with time-frequency dictionaries". IEEE Transactions on signal processing, 41(12), December 1992.
dcterms.bibliographicCitationG. Davis, S. Mallat, and M. Avellaneda. "Adaptive greedy approximations". Journal of constructive Approximation, 13 :57–98, 1997.
dcterms.bibliographicCitationN. Konstantinides, y M. Averof. “A common cellular basis for muscle regeneration in arthropods and vertebrates”. Science (New York, N.Y.), 343(6172), pp. 788–91.
dcterms.bibliographicCitationM.Lebrun and A. Leclaire “An implemetation and detailed analysis of the K-SVD image denoising algorithm” Image Processing On Line 2012
dcterms.bibliographicCitationUniversidad de Granada, ‘Test images’. [En línea] Disponible en: http://decsai.urg.es/cvg/dbimegenes/ .
dcterms.bibliographicCitationUniversity of Southem California, “The USC-SIP Image database”. [En línea] Disponible en: http://sipi.usc.edu/database/database.php.
dcterms.bibliographicCitationImageProcessing.com”, [En línea]. Disponible en: http://www.imageprocessingplace.com/root_files_V3/image_databases.htm .
dcterms.bibliographicCitationW. E. Gonzalez, “www.imageprocessingplace.com,” NETWORK SOLUTIONS, LLC., 26 marzo 2004. [Online]. Available: http://www.imageprocessingplace.com. Accessed 14 febrero 2018.
dspace.entity.typePublication
Archivos
Bloque original
Mostrando1 - 3 de 3
Miniatura
Nombre:
Trabajo de grado.pdf
Tamaño:
3.79 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Anexos.zip
Tamaño:
163.86 MB
Formato:
Unknown data format
Descripción:
Descargar
Miniatura
Nombre:
Autorización publicación.pdf
Tamaño:
1.15 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Ingeniería Electrónica