کاهش بهبودیافته تطبیقی نویز ضربه

نام مجله:

IEEE

عنوان مقاله:

Improved Adaptive Impulsive Noise Suppression

Abstract- In this work an improved scheme for eliminating
impulsive noise of varying strengths from corrupted images
is proposed. A neural network is employed to classify the
corrupted and non-corrupted pixels. Filtering is only carried
out on corrupted pixels keeping the non-corrupted ones intact.
Emphasis has been put on selection of relevant input and training
patterns. With appropriate choice of patterns the assiduous
task of training has become effortless as well as the noise
detection become reliable. Comparative analysis with competent
schemes on standard images at different noise conditions shows
that the proposed scheme outperforms its counterparts

کاهش بهبودیافته تطبیقی نویز ضربه

چکیده

در این تحقیق،طرح بهبود یافته­ایبرای از بین بردننویز ضربه با قدرت­هایمتفاوتدر تصاویرخراب­شده ارائه شده است. شبکه­ی عصبیبرای طبقه­بندی پیکسل­های خراب­شدهوسالم استفاده شده است. فیلترسازیتنها بر رویپیکسل­هایخراباعمال می­شود در حالیکه پیکسل­های سالم دست نخورده باقی می­مانند. تاکیداین مقاله بر روی انتخابورودی­ها و الگوهای آموزشی مربوطهاست. باانتخاب مناسبالگوها،وظیفه آموزشدشوار نبودهو همچنین آشکارسازی نویزقابل اعتمادمی­شود. تجزیه و تحلیل مقایسه­ایباطرح­های رقابتیبر روی تصاویراستاندارددرشرایطمختلفنویزنشان می­دهدکه عملکرد طرحپیشنهادیبهتراز طرح­های دیگر است.

.