دو مرحله نویز زدایی از تصویر با استفاده از تجزیه و تحلیل مولفه های اصلی با دسته بندی محلی پیکسل ها

این مقاله یک طرح نویز زدایی کارا با بکارگیری تجزیه مولفه های اصلی (PCA) با دسته بندی پیکسل های محلی (LPG) را ارائه می دهد. برای حفاظت بهتر از ساختارهای محلی تصویر، یک پیکسل و نزدیک ترین همسایه آن به عنوان متغیرهای برداری مدلسازی می شوند، که نمونه های آموزش از پنجره محلی با استفاده از بلوک های انطباقی میتنی بر LPG انتخاب می شوند. چنین روش LPG تضمین می کند که تنها بلوک های نمونه با محتوای مشابه در محاسبه آمار محلی، برای برآورد تبدیل PCA مورد استفاده قرار میگیرد. به طوری که ویژگی های محلی تصویر می تواند به خوبی بعد از نویز زدایی PCA حفظ شود. روش نویز زدایی LPG-PCA، می تواند برای بهبود در کارایی نویز زدایی تکرار شود وسطح نویز د رمرحله دوم به صورت انطباقی تنظیم می شود. نتایج تجربی بر روی تصاویر تست شده نشان می دهد که روش LPG-PCA به کارایی مطلوبی، بخصوص در حفظ ساختار تصویر در مقایسه با الگوریتم های دیگر دست یافته است.