فرامرز صادقی - دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان، ایران
امیرحسین حاج احمدی - دانشکده فنی و مهندسی، دانشگاه ولی عصر(عج) رفسنجان، ایران
فاطمه زریسفی کرمانی - بخش علوم کامپیوتر، انجمن پژوهشگران جوان دانشگاه شهید باهنر کرمان، ا
هما خوشنام - بخش علوم کامپیوتر، انجمن پژوهشگران جوان دانشگاه شهید باهنر کرمان، ا

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.

توابع پایه ی شعاعی، نویز ضربه ای، تشخیص نویز، جبران نویز، فیلتر گوسی