کاهش بهبودیافته تطبیقی نویز ضربه
چکیده
در این تحقیق،طرحبهبود یافتهایبرای از بین بردننویز ضربه با قدرتهایمتفاوتدر تصاویرخرابشده ارائه شده است. شبکهی عصبیبرای طبقهبندی پیکسلهای خرابشدهوسالم استفاده شده است. فیلترسازیتنها بر رویپیکسلهایخراباعمال میشود در حالیکه پیکسلهای سالم دست نخورده باقی میمانند. تاکیداین مقاله بر روی انتخابورودیها و الگوهای آموزشی مربوطهاست. باانتخاب مناسبالگوها،وظیفه آموزشدشوار نبودهو همچنین آشکارسازی نویزقابل اعتمادمیشود. تجزیه و تحلیل مقایسهایباطرحهای رقابتیبر روی تصاویراستاندارددرشرایطمختلفنویزنشان میدهدکه عملکرد طرحپیشنهادیبهتراز طرحهای دیگر است.
Improved Adaptive Impulsive Noise Suppression
Pankaj Kumar Sa, Member; IEEE, Banshidhar Majhi, Member; IEEE and Ganapati Panda, Senior Member; IEEE
Abstract- In this work an improved scheme for eliminating impulsive noise of varying strengths from corrupted images is proposed. A neural network is employed to classify the corrupted and non-corrupted pixels. Filtering is only carried out on corrupted pixels keeping the non-corrupted ones intact. Emphasis has been put on selection of relevant input and training patterns. With appropriate choice of patterns the assiduous task of training has become effortless as well as the noise detection become reliable. Comparative analysis with competent schemes on standard images at different noise conditions shows that the proposed scheme outperforms its counterparts.
- 1. مقدمه
بسیاری از فیلترهای دیجیتال کلاسیک، همانند متوسط فیلترهادارای مشخصات پایینگذرهستند وبنابراین تمایل به محو کردن لبهها ودیگر جزئیات کوچک تصویر دارند. اما تکنیکهای فیلتر غیرخطی [1]، [2] برای عملکرد بهتر گزارش شدهاند و نتایج رضایتبخشی را تولید میکنند. یکی از محبوبترین فیلترهای غیرخطی،فیلتر میانه استاندارد است (SM) [3] که در گروه فیلترهای آماری قرار دارد. این فیلتر به دلیل سادگی پیادهسازی آن و مشخصات حذف کارامد نویز محبوب است. با این حال، فیلتر میانه با اندازه پنجره بزرگتر،جزئیات ظریف یک تصویر را از بین میبرد، حتی اگر نویز را به حد زیادتری کاهش دهد. عیب این فیلترها توسط فیلترهای میانه وزندار (WM) [4]، [5]، [6] کاهش یافته استکه تعادل بیشتری به برخی از پیکسلها در پنجره آزمون میدهد. یکی از این فیلترها، فیلتر میانه وزندارمرکزی (CWM) است [7]، که برای حذف نویز ضربه با چگالی زیاد، به پیکسلهای مرکزی توجه بیشتری دارد. این طرح تحت نویز نمک و فلفل عملکرد خوبی دارد اما عملکرد آن برای نویز ضربه با مقدار تصادفی نامناسب است. ایراد اصلیفیلتر میانه و شاخههای آناین است که در زمان اعمال آنها بر روی تصویر باعث تغییر پیکسلهای سالم میشوند.