مطابقة الكتلة والترشيح ثلاثي الأبعاد (BM3D) هي خوارزمية ثلاثية الابعاد لمطابقة الكتل وتُستخدم أساسياً من أجل الحد من الضوضاء في الصور[1].
الطريقة
التجمع
يتم تجميع أجزاء الصور معًا استنادًا إلى التشابه، ولكن على عكس أساليب التجميع المتعرجة مثل طرق التحليل العنقودية، لا تكون أجزاء الصورة بالضرورة منفصلة. هذه الخوارزمية المطابقة للكتلة أقل تطلباً من الناحية الحسابية وتعد مفيدة في وقت لاحق في خطوة التجميع. ومع ذلك، تحتوي الأجزاء على نفس الحجم. يتم تجميع جزء إذا كان اختلافه مع جزء مرجع أقل من عتبة محددة. ويطلق على تقنية التجميع هذه مطابقة الكتلة، وعادة ما تستخدم لتجميع المجموعات المتشابهة عبر إطارات مختلفة من الفيديو الرقمي، من ناحية أخرى قد تقوم BM3D بتجميع الفدرات الموسعة في إطار واحد. ثم يتم تكديس كل أجزاء الصورة في مجموعة معاً لتشكيل أشكال تشبه أسطوانة ثلاثية الأبعاد.
التصفية التعاونية
يتم تصفية على كل مجموعة أجزاء من خلال تطبيق التحويل الخطي الأبعاد d + 1 ، متبوعًا بتقليص نطاق التحويل مثل مرشح Wiener ، ثم يتم تحويل التحويل الخطي لإعادة إنتاج جميع الأجزاء (المصفاة)
التجميع
يتم تحويل الصورة إلى شكل ثنائي الأبعاد. جميع أجزاء الصورة المتداخلة تتشارك معدل (متوسط) الوزن لضمان ترشيحها للضوضاء مع الاحتفاظ بإشاراتها المميزة.
ٌٌإضافات
الصور الملونة
يمكن معالجة صور RGB مثلها مثل صورة التدرجات الرمادية. يجب تطبيق تحويل النصوع- chrominance على صورة RGB. بعد ذلك يتم إكمال التجميع على قناة النصوع التي تحتوي على معظم المعلومات المفيدة ونسبة الإشارة إلى الضوضاء (SNR) العالية. يعمل هذا الأسلوب لأن الضوضاء في قنوات التلوّن مرتبطة بقوة بقوة قناة النصوع، وهي توفر حوالي ثلث وقت الحساب لأن التجميع يأخذ ما يقرب من نصف وقت الحساب المطلوب.
ٌإعادة الوضوح
تم تمديد خوارزمية BM3D (IDD-BM3D) لأداء إزالة التباين وتقليل الضوضاء باستخدام ميزان توازن ناش للوظيفتين الموضوعيتين..[2]
الشبكات العصبية
وقد تم اقتراح نهج يجمع بين الشبكات العصبية ويظهر نتائج أفضل (وإن كان ذلك مع وقت أبطأ). تم إصدار كود MATLAB لغرض البحث.[3]
التنفيذ
- مرجع التنفيذ باستخدام MATLAB مسموح بموجب المصادر المفتوحة :[4] BM3D
- تنفيذ مع توثيق جيد [5] باستخدام لغة GPLv3: bm3d
- CUDA و C++ مصرح تحت GPLv3: bm3d-gpu
المراجع
- Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 July 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing. 16 (8): 2080–2095. Bibcode:2007ITIP...16.2080D. doi:10.1109/TIP.2007.901238.
- Danielyan, Aram; Katkovnik, Vladimir; Egiazarian, Karen (30 June 2011). "BM3D Frames and Variational Image Deblurring". IEEE Transactions on Image Processing. 21 (4): 1715. arXiv:. Bibcode:2012ITIP...21.1715D. doi:10.1109/TIP.2011.2176954.
- "BMCNN-ISPL". Seoul National University. مؤرشف من الأصل في 13 ديسمبر 201903 يناير 2018.
- "LASIP - Legal Notice". Tshwane University of Technology (TUT). مؤرشف من الأصل في 23 أكتوبر 201802 يناير 2018.
- Lebrun, Marc (8 August 2012). "An Analysis and Implementation of the BM3D Image Denoising Method". Image Processing On Line: 175–213. مؤرشف من الأصل في 13 ديسمبر 201902 يناير 2018.