Binary-image restoration

摘要: We consider the problem of binary-image restoration. The image being restored is not random, and we make no assumption about nature its contents. estimate colour at each site a fixed (the same for all sites) function data available in neighbourhood that site. Under this restriction, minimizing overall mean squared error prediction conditional expectation true given observations computation leads to formal definition local characteristics an image, namely, frequency with which pattern appears unobserved image. When “true” distribution patterns unknown, it can be estimated from records. described above then evaluated using patterns, procedure very natural propose two unbiased consistent estimates when noise Gaussian white noise. Since size realistic images large, usually close one. This suggests expected nearly optimal. An interesting feature proposed restoration methods they do require prior knowledge or global properties underlying Several examples based on synthetic show new perform fairly well variety different degrees continuity textures. Nous examinons dans cet article le probleme de la restauration d'image binaire. L'image etant restauree n'est pas aleatoire et nous ne faisons aucune supposition quant son contenu. L'estimateur couleur chaque est une fonction fixe (la měme pour site) des donnees disponibles un voisinage ce Sous cette l'estimateur minimisant I'erreur quadratique moyenne globale prevision l'esperance conditionnelle vraie couleur, les d'un Le calcul esperance conduit formelle caracteristiques locales d'une c'est-a-dire frequence avec laquelle motif apparait inobservee. Lorsque “vraie” motifs inconnue, elle peut ětre estimee l'aide enregistrements. L'esperance decrite ci-dessus alors evaluee estimateur tres naturel Nous suggerons deux estimateurs non biaises convergents contexte bruit blanc gaussien. Puisque taille realistes grande, habituellement proche distribution. Ceci suggere que presque optimale. Les methodes suggerees ont particularite interessante en qu'elles necessitent connaissance priori proprietes ou globales sous-jacente. Quelques exemples fondes sur synthetiques montrent nouvelles sont satisfaisantes eventail d'images degre continuite textures different.