مطابقة الكتل والتصفية ثلاثية الأبعاد

مطابقة الكتلة والترشيح ثلاثي الأبعاد (BM3D) هي خوارزمية ثلاثية الابعاد لمطابقة الكتل وتُستخدم أساسياً من أجل الحد من الضوضاء في الصور.[1]

اليسار: المقطع الأصلي مأخوذ صورة خام تم الحصول عليها من ISO800 الأوسط: مصفاة من التشويش باستخدام bm3d-gpu يمين: مصفاة من التشويش باستخدام darktable 2.4.0

الطريقة عدل

التجمع عدل

يتم تجميع أجزاء الصور معًا استنادًا إلى التشابه، ولكن ليس مثل k_means clusteringاوطريقة (cluster analysis)، لا تكون أجزاء الصورة بالضرورة منفصلة (أي ليس بالضرورة وجود تقاطع). هذه الخوارزمية (block-matching algorithm) أقل تطلباً من الناحية الحسابية وتعد مفيدة في وقت لاحق في خطوة التجميع. ومع ذلك، تحتوي الأجزاء (Fragment)على نفس الحجم. يتم تجميع الجزء إذا كان اختلافه مع الجزء المرجعي أقل من عتبة محددة (threshold). ويطلق على تقنية التجميع هذه مطابقة الكتلة (block-matching)، وعادة ما تستخدم لتجميع المجموعات المتشابهة عبر إطارات مختلفة من الفيديو الرقمي، من ناحية أخرى قد تقوم BM3D بتجميع macroblocks الموسعة في إطار واحد. ثم يتم تكديس أو تجميع كل أجزاء الصورة في مجموعة معاً لتشكيل أشكال تشبه أسطوانة ثلاثية الأبعاد.

التصفية التعاونية عدل

يتم تصفية على كل مجموعة أجزاء من خلال  تطبيق التحويل الخطي الأبعاد d + 1، متبوعًا بتقليص نطاق التحويل مثل مرشح Wiener ، ثم يتم تحويل التحويل الخطي لإعادة إنتاج جميع الأجزاء (المصفاة)[بحاجة لتوضيح]

التجميع عدل

يتم تحويل الصورة إلى شكل ثنائي الأبعاد. جميع أجزاء الصورة المتداخلة تتشارك معدل (متوسط) الوزن لضمان ترشيحها للضوضاء مع الاحتفاظ بإشاراتها المميزة.

ٌٌإضافات عدل

الصور الملونة عدل

يمكن معالجة صور RGB مثلها مثل صورة التدرجات الرمادية. يجب تطبيق تحويل النصوع- chrominance على صورة RGB. بعد ذلك يتم إكمال التجميع على قناة النصوع التي تحتوي على معظم المعلومات المفيدة ونسبة الإشارة إلى الضوضاء (SNR) العالية. يعمل هذا الأسلوب لأن الضوضاء في قنوات التلوّن مرتبطة بقوة بقوة قناة النصوع، وهي توفر حوالي ثلث وقت الحساب لأن التجميع يأخذ ما يقرب من نصف وقت الحساب المطلوب.

ٌإعادة الوضوح عدل

تم تمديد خوارزمية BM3D (IDD-BM3D) لأداء إزالة التباين وتقليل الضوضاء باستخدام ميزان توازن ناش للوظيفتين الموضوعيتين..[2]

الشبكات العصبية عدل

وقد تم اقتراح نهج يجمع بين الشبكات العصبية ويظهر نتائج أفضل (وإن كان ذلك مع وقت أبطأ). تم إصدار كود MATLAB لغرض البحث.[3]

التنفيذ عدل

  • مرجع التنفيذ باستخدام MATLAB مسموح  بموجب المصادر المفتوحة:[4] BM3D
  • تنفيذ مع توثيق جيد [5] باستخدام لغة   GPLv3: bm3d
  • CUDA وC++ مصرح تحت GPLv3: bm3d-gpu

المراجع عدل

  1. ^ Dabov، Kostadin؛ Foi، Alessandro؛ Katkovnik، Vladimir؛ Egiazarian، Karen (16 يوليو 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing. ج. 16 ع. 8: 2080–2095. Bibcode:2007ITIP...16.2080D. DOI:10.1109/TIP.2007.901238.
  2. ^ Danielyan، Aram؛ Katkovnik، Vladimir؛ Egiazarian، Karen (30 يونيو 2011). "BM3D Frames and Variational Image Deblurring". IEEE Transactions on Image Processing. ج. 21 ع. 4: 1715. arXiv:1106.6180. Bibcode:2012ITIP...21.1715D. DOI:10.1109/TIP.2011.2176954.
  3. ^ "BMCNN-ISPL". Seoul National University. مؤرشف من الأصل في 2019-12-13. اطلع عليه بتاريخ 2018-01-03.
  4. ^ "LASIP - Legal Notice". Tshwane University of Technology (TUT). مؤرشف من الأصل في 2018-10-23. اطلع عليه بتاريخ 2018-01-02.
  5. ^ Lebrun، Marc (8 أغسطس 2012). "An Analysis and Implementation of the BM3D Image Denoising Method". Image Processing On Line: 175–213. مؤرشف من الأصل في 2019-12-13. اطلع عليه بتاريخ 2018-01-02.