Clustering en haute dimension pour le débruitage d'image - Télécom Paris Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

High-Dimensional Mixture Model for Image Denoising

Clustering en haute dimension pour le débruitage d'image

Résumé

In this work we propose the patch-based denoising algorithm HDMI. It is based on the learning of a probabilistic high-dimensional mixture model on the noisy patches. This model takes into account the lower intrinsic dimension of each group. Finally the restored patches are estimates with a conditional expectation.
Dans cet article, nous présentons l'algorithme HDMI de débruitage par patchs. HDMI est fondé sur l'apprentissage d'un modèle de mélange de gaussiennes en grande dimension sur l'ensemble des patchs bruités. La méthode proposée estime une dimension intrinsèque pour chaque groupe puis les patchs débruités sont estimés par une espérance conditionnelle.
Fichier principal
Vignette du fichier
HDMI_gretsi_HAL.pdf (5.25 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01711999 , version 1 (19-02-2018)

Identifiants

  • HAL Id : hal-01711999 , version 1

Citer

Antoine Houdard, Charles Bouveyron, Julie Delon. Clustering en haute dimension pour le débruitage d'image. XXVIe colloque GRETSI, Sep 2017, Juan-les-Pins, France. ⟨hal-01711999⟩
201 Consultations
69 Téléchargements

Partager

Gmail Facebook X LinkedIn More