ارائه یک روش موثر با استفاده از شبکه های عصبی توابع پایه ی شعاعی و فیلترگوسی تعمیم یافته به منظور تشخیص و جبران نویزهای ضربه ای از تصاویر

تشخیص و جبران نویز یک مسئله مهم در پردازش تصاویر دیجیتال است. به همین دلیل تاکنون روش ها و الگوریتم های زیادی برای تشخیص نویز و جبران آن ارائه شده اند. در این مقاله ابتدا روشی مبتنی بر شبکه های عصبی مصنوعی برای تشخیص نویز پیشنهاد شده است. همچنین کارایی شبکه های عصبی MLT و RBF جهت مدل سازی نویز با یکدیگر مقایسه شده اند که نتایج حاصل توانایی بالاتر شبکه های RBF را نسبت به شبکه های MLP نشان می دهد.در این مقاله دو روش به نام های فیلتر گوسی تعمیم یافته و فیلتر گوسی تلفیقی نیز برای جبران نویزها در تصاویر، پیشنهاد شده اند که نتایج حاصل از مقایسه آنها با روش های پیشین مانند SM، CWM، PWMAD، PSM، SDROM و NNG براساس معیارهای PSNR و MAE نشان دهنده کارایی بالاتر فیلترهای پیشنهادی است.