حذف نویز تصاویر با استفاده از روش شبکه های عصبی استانه گذار و یادگیری RLS

حذف نویز تصویر یکی از پرکاربردترین زمینه های پردازش تصویر در دهه اخیر است اخیرا با معرفی تابع استانه گذاری وفقی در حوزه ی موجک و استفاده از آن در شبکه های عصبی استانه گذار روشی موثر برای حذف هر دو نوع نویز گوسی و اسپکل بدون در نظر گرفتن پیش فرض خاصی ارائه شده است روش پایه ی شبکه های عصبی استانه گذار از اموزش کمترین میانگین مربعات خطا LMS استفاده می کند که روشی نسبتا کند و زمان بر است دراین مقاله الگوریتم بازگشتی حداقل مربعات خطا RLS که یکی از الگوریتمهای وفقی با قابلیت همگرایی سریع است با ساختار این نوع شبکه تطبیق داده شده و برای افزایش سرعت اموزش ان در حذف نویز تصاویر طبیعی پیشنهاد شده است نتایج اعمال روش پیشنهادی برروی تصاویر استانداردحاوی نویز گوسی با واریانس های مختلف کارایی روش را در حذف موثر و سریع نویزدر مقایسه با روشهای مشابه به اثبات رسانده است.

کلیدواژه ها:

اموزش RLS ، حذف نویز از تصاویر ، شبکه های عصبی ، فیلترهای وفقی