ترجمه طلایی کاهش بهبودیافته تطبیقی نویز ضربه

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 toclassify 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. 1.      مقدمه

بسیاری از فیلترهای دیجیتال کلاسیک، همانند متوسط فیلترها​​دارای 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.