后来在这种算法基础上不断加以改进，比如Bober的方法就是着重考虑图像

예를 들어 Bober의 방법은 이미지에 풍부한 정보가있는 영역에 초점을 맞추는 것입니다. 즉, 첫 번째 단계는 이미지가 풍부한 텍스처 블록의 영역을 결정한 다음 이러한 영역의 상관 관계를 사용하여 비교 및 ​​개선하는 것입니다. 추정 정확도는 계산 속도를 높일뿐만 아니라 노이즈 감도를 감소시킵니다. 예를 들어 Bober의 방법은 이미지에 풍부한 정보가있는 영역에 초점을 맞추는 것입니다. 즉, 첫 번째 단계는 이미지가 풍부한 텍스처 블록의 영역을 결정한 다음 이러한 영역의 상관 관계를 사용하여 비교 및 ​​개선하는 것입니다. 추정 정확도는 계산 속도를 높일뿐만 아니라 노이즈 감도를 감소시킵니다.

나중에 이 알고리즘에 기초하여 계속 개선, 예를 들어, Bober의 방법은 더 유익한 영역의 이미지에 초점을 맞추는 것입니다, 즉, 첫 번째 단계는 이미지가 풍부한 텍스처 블록 영역을 식별하고, 다음 추정 정확도를 개선하기 위해 비교하기 위해 이러한 영역의 상관 관계를 사용하는 것입니다, 뿐만 아니라 계산 속도를 가속화, 뿐만 아니라 노이즈의 감도를 감소. 나중에 이 알고리즘에 기초하여 계속 개선, 예를 들어, Bober의 방법은 더 유익한 영역의 이미지에 초점을 맞추는 것입니다, 즉, 첫 번째 단계는 이미지가 풍부한 텍스처 블록 영역을 식별하고, 다음 추정 정확도를 개선하기 위해 비교하기 위해 이러한 영역의 상관 관계를 사용하는 것입니다, 뿐만 아니라 계산 속도를 가속화, 뿐만 아니라 노이즈의 감도를 감소.

그 후에 이러한 알고리즘 을 바탕 으로 계속 개선 되 었 다. 예 를 들 어 Bober 의 방법 은 이미지 중의 정보 가 비교적 풍부 한 지역 을 고려 하 는 데 중심 을 두 었 다. 즉, 첫 번 째 단 계 는 이미지 의 풍부 한 무늬 블록 구역 을 정 한 다음 에 이런 지역 의 관련 성 을 비교 해서 평가 정 도 를 높 였 다. 이 는 계산 속 도 를 가속 화하 고 소음 의 민감 도 를 낮 추 는 것 이다.그 후에 이러한 알고리즘 을 바탕 으로 계속 개선 되 었 다. 예 를 들 어 Bober 의 방법 은 이미지 중의 정보 가 비교적 풍부 한 지역 을 고려 하 는 데 중심 을 두 었 다. 즉, 첫 번 째 단 계 는 이미지 의 풍부 한 무늬 블록 구역 을 정 한 다음 에 이런 지역 의 관련 성 을 비교 해서 평가 정 도 를 높 였 다. 이 는 계산 속 도 를 가속 화하 고 소음 의 민감 도 를 낮 추 는 것 이다.