بهبود الگوریتم ترکیبی فازی-مکانی برای حذف نویز نمک و فلفل باقابلیت حفظ جزئیات در تصاویر دیجیتال

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 28

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JMVIP-13-2_004

تاریخ نمایه سازی: 7 آبان 1405

چکیده مقاله:

در بسیاری از حوزه های حیاتی از جمله پزشکی، نجوم و صنعت، تصاویر دیجیتال نقش اساسی ایفا می کنند و حفظ کیفیت آن ها در برابر عواملی مانند نویز از اهمیت بالایی برخوردار است. این مقاله ترکیبی نوین از پردازش مکانی و منطق فازی را در یک چارچوب یکپارچه ارائه می دهد. در اینجا، پیکسل ها به اعداد فازی تبدیل می شوند و از رابطه بین آن ها هنگام تغییر رنگ استفاده می گردد. بدین ترتیب، در پنجره پردازش، چهار دنباله مرتب (افقی، عمودی، دو مورب) از مقادیر پیکسل ها ایجاد می شود. سپس پیکسل های تخریب شده با استفاده از همسایه های موجود در پنجره پردازش بازسازی می شوند. در این فرایند، نزدیک ترین مقدار ممکن به مقدار واقعی پیکسل، بر اساس دنباله های مرتب شده استخراج می شود. به منظور ارزیابی کیفیت بازسازی فیلتر پیشنهادی در تصاویر دارای نویز، رفتار دو معیار PSNR و SSIM بررسی گردید. آزمایش های عددی و بصری نشان می دهد که فیلتر پیشنهادی در حفظ کیفیت تصویر در شرایط نویز بالا، کارآمدتر است. ازآنجایی که این الگوریتم بر پایه پردازش موضعی پنجره ای با ابعاد ثابت (۳×۳) عمل می کند و در آن برای هر پیکسل، عملیات مرتب سازی و انتخاب در چهار جهت انجام می شود، پیچیدگی محاسباتی آن به ازای یک تصویر با N پیکسل، از مرتبه O(N) است. نتایج نشان می دهد این الگوریتم در مقایسه با روش های پیچیده تری مانند BCFM و TSVD، از نظر زمان اجرا و حافظه مصرفی کارآمدتر و کم هزینه تر است. در مقایسه با روش پایه (چارموتی)، هزینه محاسباتی بیشتری دارد (حدود ۸ تا ۱۰ برابر زمان اجرا و ۲ تا ۴ برابر حافظه)؛ با این حال این هزینه از نظر مطلق ناچیز است (کمتر از یک ثانیه و چند مگابایت) و در ازای آن، بهبود محسوسی در دقت بازسازی (PSNR و SSIM) ارائه می دهد؛ ضمن آنکه لبه ها و جزئیات تصویر را نیز به خوبی حفظ می کند.

کلیدواژه ها:

نویسندگان

روشنک زمان

گروه آمار، دانشکده علوم پایه، دانشگاه پیام نور، ایران، تهران

رضا قاسمی نجف آبادی

گروه آمار، دانشکده علوم پایه، دانشگاه پیام نور ، ایران، تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • آسلیمی ضامنجانی، جواد؛ شکور، محمدحسین؛ رمانی، محسن. طبقه بندی تصاویر ...
  • Azzeh, Jamil, Bilal Zahran, and Ziad Alqadi. Salt and pepper ...
  • Zhu, L., Application of stack filter on image processing, Appl. ...
  • Yaroslavsky, L. P., Digital picture processing: an introduction, Appl. Optics ...
  • Yan, M., Restoration of images corrupted by impulse noise and ...
  • Li, X., Image restoration: Fundamentals and advances, CRC Press, Boca ...
  • Abdurrazzaq, A., Mohd, I., Junoh, A. K., Yahya, Z., Modified ...
  • Boyat, A. K., Joshi, B. K., A review paper: noise ...
  • Liu, L., Chen, L., Chen, C. L. P., Tang, Y. ...
  • Charmouti, B., Junoh, A. K., Mashor, M. Y., Ghazali, N., ...
  • Lindenbaum, M., Fischer, M., Bruckstein, A., On Gabor's contribution to ...
  • Rudin, L. I., Osher, S., Fatemi, E., Nonlinear total variation ...
  • Tomasi, C., Manduchi, R., Bilateral filtering for gray and color ...
  • He, K., Sun, J., Fast guided filtering, arXiv:۱۵۰۵.۰۰۹۹۶, ۲۰۱۳ ...
  • He, W., Yi, C., Li, Y., Xiao, H., Research on ...
  • Buades, A., Coll, A., Morel, J.-M., A review of image ...
  • Buades, A., Coll, A., Morel, J.-M., A non-local algorithm for ...
  • Wang, H., Wang, Y., Ren, W., Image denoising using anisotropic ...
  • Wang, Y., Ren, W., Wang, H., Anisotropic second and fourth ...
  • Toh, K. K. V., Isa, N. A. M., Noise adaptive ...
  • Esakkirajan, S., Veerakumar, T., Subramanyam, A. N., Prem Chand, C. ...
  • Erkan, U., Gokrem, L. A., A new method based on ...
  • Abdurrazzaq, A., Mohd, I., Junoh, A. K., Yahya, Z., A ...
  • Erkan, U., Gokrem, L., Enginoglu, S., Different applied median filter ...
  • Abdurrazzaq, A., Mohd, I., Junoh, A. K., Yahya, Z., Tropical ...
  • Mallat, S., A wavelet tour of signal processing: the sparse ...
  • Demanet, L., Ying, L., Wave atoms and sparsity of oscillatory ...
  • Starck, J.-L., Candès, E. J., Donoho, D. L., The curvelet ...
  • Do, M. N., Vetterli, M., The contourlet transform: an efficient ...
  • Donoho, D. L., Wedgelets: Nearly minimax estimation of edges, the ...
  • Le Pennec, E., Mallat, S., Sparse geometric image representations with ...
  • Ding, Y., Selesnick, I. W., Artifact-free wavelet denoising: Non-convex sparse ...
  • Durand, S., Froment, J., Reconstruction of wavelet coefficients using total ...
  • Elyasi, I., Pourmina, M. A., Reduction of speckle noise ultrasound ...
  • He, W, Yi C, Li Y, Xiao H., Research on ...
  • Lv, X.-G., Song, Y.-Z., Li, F., An efficient nonconvex regularization ...
  • Bandyopadhyay, A., Shubhendu B., Atanu D., and Rajib B., A ...
  • Charmouti, B., Junoh, A. K., Abdurrazzaq, A., Mashor, M. Y., ...
  • Toh, K, Isa, N. Noise Adaptive Fuzzy Switching Median Filter ...
  • Zadeh, L. A. Fuzzy sets, Information and Control, vol. ۸, ...
  • Ghasemi, R., Morillas, S., Nezakati, A., Rabiei, M., Image Noise ...
  • نمایش کامل مراجع