حذف نویز شدید نمک و فلفل با استفاده از فیلتر تطبیقی مبتنی بر تصمیم گیری

حذف و کاهش اثر نویز از جمله مباحث مطرح در زمینه پردازش تصاویر دیجیتال به شمار می رود. اهمیت تحلیل نویز هنگامی کاملا نمایان می شود که کیفیت سیگنال اندازه گیری شده به وسیله مقدار نسبت سیگنال به نویز (SNR) تعیین می گردد. تصویری که آلوده به نویز محیطی باشد کیفیت بصری نامناسبی داشته و برای تحلیل و درک توسط کاربر مناسب نیست. به علاوه، در حضور نویز بسیاری از کاربردهای پردازشی متداول از جمله لبه یابی، بخش بندی و بینایی ماشین دچار اختلال می شوند. از این رو حذف اثر نویز اضافه شده به تصویر، در تمامی حوزه های پردازشی امری حیاتی است.در این مقاله با استفاده از آشکارسازی موقعیت نویزهای فلفل نمکی و انتخاب بهترین آستانه های تجربی، دو الگوریتمی مطمین و جدید برای حذف نویز فلفل نمکی پرچگالی تصاویر دیجیتال خاکستری مطرح نموده ایم. که به اختصار آنها را AMnDBR و AMdMnTDBR نام گذاری نموده ایم. در روش های پیشنهادی ابتدا تصویر دیجیتال آغشته به نویز فلفل نمکی از یک پنجره دو بعدی استاندارد 3×3 عبور داده می شود و پس از شناسایی، پیکسل های نویز فلفل نمکی از طریق ایجاد آستانه های مطمین تصویر بازیابی می شود. همچنین در صورت آغشته شدن کل پیکسل های پنجره استاندارد از گسترش نامتقارن پنجره استفاده شده و با توجه به مقادیر سایر همسایگی ها مقدار مناسبی جایگزین پیکسل نویزی می گردد. همچنین از یک روش تکرار شونده به منظور بهبود فرآیند استفاده گردیده است. شبیه سازی ها و نتایج نشان می دهند که الگوریتم های پیشنهادی خیلی بهتر از روش های پیشین هستند، و در برابر نویز های بشدت زیاد در تمامی انواع تصاویر، بسیار قدرتمند و عالی می باشند. و نسبت به سایر فیلترهای شناخته شده در این حوزه از عملکرد بهتر و نسبت پیک سیگنال به نویز (PSNR) و فاکتور بهبود تصویر (IEF) بیشتری برخوردار است.

Keywords:

نویز , فیلتر تطبیقی , بهبود تصویر