Numerical simulation of modified Perona-Malik equantion in digital image denoising applications


Cite item

Full Text

Abstract

Classical Perona-Malik model is modified and adapted for digital color image filtering. An advantage of the proposed scheme is the use of perceptual color difference metrics to measure the distance between pixels, and the modification of diffusion coefficients calculation formulas. Numerical simulation shows that the proposed scheme has a high quality and performance.

About the authors

Alexander A Yudashkin

Samara State Technical University

Email: yudashkin@wesee.com
; Samara State Technical University

Dmitry A Zausaev

Samara State Technical University

Email: zausaev@wesee.com
аспирант, каф. прикладной математики и информатики; Самарский государственный технический университет; Samara State Technical University

Igor S Ryabtsov

Samara State University

Email: ryabtsov@wesee.com
; Samara State University

References

  1. Hwu W. W. GPU Computing Gems Emerald Edition. San Francisco, CA: Morgan Kaufmann, 2011. 886 pp.
  2. Felsberg M. On the Relation Between Anisotropic Diffusion and Iterated Adaptive Filtering // LNCS, 2008. Vol. 5096. Pp. 436-445.
  3. Rumpf M., Strzodka R. Nonlinear Diffusion in Graphics Hardware / In: Proceedings of EG/IEEE TCVG Symposium on Visualization (VisSym '01), 2001. Pp. 75-84.
  4. Schenke S., Wünsche B. C., Denzler J. GPU-based volume segmentation / In: Proceedings of IVCNZ '05, 2005. Pp. 171-176.
  5. Howison M. Comparing GPU Implementations of Bilateral and Anisotropic Diffusion Filters for 3D Biomedical Datasets: Technical Report LBNL-3425E. Berkeley, CA: Lawrence Berkeley National Laboratory, 2010. 9 pp.
  6. Perona P., Malik J. Scale space and edge detection using anisotropic diffusion / In: Proceedings of the IEEE Computer Society Workshop on Computer Vision. Miami, FL, 1987. Pp. 16-27.
  7. Perona P., Malik J. Scale-Space and Edge Detection Using Anisotropic Diffusion // Pattern Anal. Mach. Intell., 1990. Vol. 12, no. 7. Pp. 629-639.
  8. Gilboa G., Zeevi Y. Y., Sochen N. Image enhancement segmentation and denoising by time dependent nonlinear diffusion processes / In: Image Processing' 2001. Vol. 3, 2001. Pp. 134-137.
  9. Melgosa M. Testing CIELAB-Based Color-Difference Formulas // Color Research and Application, 2000. Vol. 25, no. 1. Pp. 49-55.
  10. Sharma G., Wu W., Dadal E. N. The CIEDE2000 Color-Difference Formula: Implementation Notes, Supplementary Test Data, and Mathematical Observations // Color research and application, 2005. Vol. 30, no. 1. Pp. 21-30.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2011 Samara State Technical University

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».