hrcak mascot   Srce   HID

Izvorni znanstveni članak

Višekanalna slijepa dekonvolucija slike zasnovana na inovacijama

Ivica Kopriva ; Institut Ruđer Bošković, Zagreb, Hrvatska
Damir Seršić ; Fakultet elektrotehnike i računarstva Sveučilišta u Zagrebu, Zagreb, Hrvatska

Puni tekst: engleski, pdf (1 MB) str. 345-352 preuzimanja: 464* citiraj
APA 6th Edition
Kopriva, I. i Seršić, D. (2010). The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution. Automatika, 51 (4), 345-352. Preuzeto s https://hrcak.srce.hr/65057
MLA 8th Edition
Kopriva, Ivica i Damir Seršić. "The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution." Automatika, vol. 51, br. 4, 2010, str. 345-352. https://hrcak.srce.hr/65057. Citirano 17.11.2019.
Chicago 17th Edition
Kopriva, Ivica i Damir Seršić. "The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution." Automatika 51, br. 4 (2010): 345-352. https://hrcak.srce.hr/65057
Harvard
Kopriva, I., i Seršić, D. (2010). 'The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution', Automatika, 51(4), str. 345-352. Preuzeto s: https://hrcak.srce.hr/65057 (Datum pristupa: 17.11.2019.)
Vancouver
Kopriva I, Seršić D. The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution. Automatika [Internet]. 2010 [pristupljeno 17.11.2019.];51(4):345-352. Dostupno na: https://hrcak.srce.hr/65057
IEEE
I. Kopriva i D. Seršić, "The Innovations Approach to Single Frame Multichannel Blind Image Deconvolution", Automatika, vol.51, br. 4, str. 345-352, 2010. [Online]. Dostupno na: https://hrcak.srce.hr/65057. [Citirano: 17.11.2019.]

Sažetak
Linearni model miješanja (LMM) se u posljednje vrijeme koristi i za višekanalnu reprezentaciju zamućene slike. Na taj se način multivarijantne metode analize podataka, poput analize nezavisnih komponenata (ICA), mogu iskoristiti i za rješavanje slijepe dekonvolucije slike bezmemorijskom slijepom separacijom izvora (BSS), a koja ne zahtjeva a priori znanje o veličini i podrijetlu jezgre zamućenja. Ipak, postoji velik nedostatak ovog pristupa: statistička zavisnost između skrivenih varijabli LMM-a. Doprinos ovog rada je primjena ICA algoritama na inovacijama LMM-a u postupku učenja nepoznate bazne matrice. Skrivene izvorne slike se restauriraju primjenom pseudo-inverza naučene bazne matrice na originalni LMM. Uspjeh predloženog pristupa se može zahvaliti svojstvu inovacija da su više nezavisne i više ne-gausovske od originalnog procesa. Dobri i konzistentni rezultati naših simulacija i eksperimenata demonstriraju upotrebljivost predloženog koncepta.

Ključne riječi
analiza nezavisnih komponenata; inovacije; restauracija slike; slijepa dekonvolucija; statistički zavisni izvori

Hrčak ID: 65057

URI
https://hrcak.srce.hr/65057

[engleski]

Posjeta: 750 *