WEKO3
アイテム
Bayesian Image Denoising with Multiple Noisy Images
http://hdl.handle.net/10252/00005944
http://hdl.handle.net/10252/000059441e986768-3407-449e-9e5b-7b8802209036
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
TheReviewofSocionetworkStrategies-13 (1.6 MB)
|
.png)
|
| Item type | 学術雑誌論文 / Journal Article(1) | |||||
|---|---|---|---|---|---|---|
| 公開日 | 2019-11-22 | |||||
| タイトル | ||||||
| タイトル | Bayesian Image Denoising with Multiple Noisy Images | |||||
| 言語 | ||||||
| 言語 | eng | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | Image denoising | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | Discrete Markov random field | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | Belief propagation | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | EM algorithm | |||||
| キーワード | ||||||
| 言語 | en | |||||
| 主題Scheme | Other | |||||
| 主題 | FFT | |||||
| 資源タイプ | ||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||
| 資源タイプ | journal article | |||||
| 著者 |
Kataoka, Shun
× Kataoka, Shun× Yasuda, Muneki |
|||||
| 著者別名 | ||||||
| 識別子Scheme | WEKO | |||||
| 識別子 | 32808 | |||||
| 姓名 | 片岡, 駿 | |||||
| 書誌情報 |
en : The Review of Socionetwork Strategies 巻 13, 号 2, p. 267-280, 発行日 2019 |
|||||
| 出版者 | ||||||
| 出版者 | Springer | |||||
| ISSN / EISSN | ||||||
| 収録物識別子タイプ | ISSN | |||||
| 収録物識別子 | 2523-3173 | |||||
| DOI | ||||||
| 関連タイプ | isIdenticalTo | |||||
| 識別子タイプ | DOI | |||||
| 関連識別子 | 10.1007/s12626-019-00043-3 | |||||
| 権利表記 | ||||||
| 権利情報 | © The Author(s) 2019 | |||||
| 出版社版URI | ||||||
| 権利情報 | https://link.springer.com/article/10.1007/s12626-019-00043-3 | |||||
| テキストバージョン | ||||||
| 出版タイプ | VoR | |||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||
| 日本十進分類法 | ||||||
| 主題Scheme | NDC | |||||
| 主題 | 410 | |||||
| NIIサブジェクト | ||||||
| 主題Scheme | Other | |||||
| 主題 | 数学 | |||||
| 抄録 | ||||||
| 内容記述タイプ | Abstract | |||||
| 内容記述 | In this paper, we propose a fast image denoising method based on discrete Markov random fields and the fast Fourier transform. The purpose of the image denoising is to infer the original noiseless image from a noise corrupted image. We consider the case where several noisy images are available for inferring the original image and the Bayesian approach is adopted to create the posterior probability distribution of the denoised image. In the proposed method, the estimation of the denoised image is achieved using belief propagation and an expectation-maximization algorithm. We numerically verified the performance of the proposed method using several standard images. | |||||
