MỘT PHƯƠNG PHÁP ĐỀ XUẤT KHỬ NHIỄU MUỐI TIÊU TRONG XỬ LÝ ẢNH

Nguyễn Thị Thanh Nhàn

doi:10.34238/tnu-jst.9133

MỘT PHƯƠNG PHÁP ĐỀ XUẤT KHỬ NHIỄU MUỐI TIÊU TRONG XỬ LÝ ẢNH

Thông tin bài báo

Ngày nhận bài: 02/11/23 Ngày hoàn thiện: 07/12/23 Ngày đăng: 07/12/23

Các tác giả

Nguyễn Thị Thanh Nhàn , Trường Đại học Công nghệ thông tin và Truyền thông - ĐH Thái Nguyên

Tóm tắt

Khử nhiễu muối tiêu là một bước tiền xử lý quan trọng trong xử lý ảnh để nâng cao chất lượng hình ảnh. Các phương pháp khử nhiễu truyền thống xem xét các điểm ảnh có giá trị bằng 0 hay giá trị cực đại là điểm ảnh nhiễu muối tiêu thực sự, tuy nhiên trong nhiều trường hợp những điểm ảnh này không phải là điểm ảnh nhiễu mà là điểm ảnh kết cấu dẫn đến kết quả khử nhiễu còn có hạn chế đặc biệt khi tỷ lệ nhiễu là cao. Nghiên cứu này sẽ khắc phục hạn chế trên, tại bước phát hiện điểm ảnh nhiễu, thuật toán sử dụng cửa sổ có kích thước thích nghi để phân biệt một điểm nhiễu ứng viên là điểm nhiễu thực sự hay là điểm ảnh kết cấu dựa trên quan sát rằng điểm ảnh nhiễu thường là điểm ảnh cô lập, ở đó giá trị điểm ảnh là thay đổi so với các giá trị điểm ảnh xung quanh. Sau đó điểm ảnh nhiễu sẽ được thay thế bởi một giá trị mới dựa trên các điểm lân cận. Phương pháp này chỉ áp dụng trên ảnh đa mức xám. Các kết quả thực nghiệm cho giá trị trung bình tỷ lệ tín hiệu trên nhiễu cực đại và độ tương tự về cấu trúc ở tất cả các cấp độ nhiễu lần lượt là 28,1631và 0,8496. Phương pháp đề xuất khử nhiễu muối tiêu là rất hiệu quả dựa trên các kết quả thực nghiệm. Các kết quả sau khi khử nhiễu cho chất lượng ảnh tốt tại tất cả cấp độ nhiễu.

Từ khóa

Nhiễu muối tiêu; Khử nhiễu ảnh; Khôi phục ảnh; Lọc trung vị thích nghi; Xử lý ảnh

Toàn văn:

PDF

Tài liệu tham khảo

[1] B. Goyal, A. Dogra, S. Agrawal, B. S. Sohi, and A. Sharma, “Image denoising review: From classical to state-of-the-art approaches,” Inf. Fusion, vol. 55, pp. 220–244, 2020.

[2] S. Esakkirajan, T. Veerakumar, A. N. Subramanyam, and C. H. PremChand, “Removal of High Density Salt and Pepper Noise Through Modified Decision Based Unsymmetric Trimmed Median Filter,” IEEE Signal Process. Lett., vol. 18, no. 5, pp. 287–290, May 2011, doi: 10.1109/LSP.2011.2122333.

[3] U. Erkan and L. Gökrem, “A new method based on pixel density in salt and pepper noise removal,” Turk. J. Electr. Eng. Comput. Sci., vol. 26, no. 1, pp. 162–171, 2018.

[4] D. N. Thanh, V. S. Prasath, and U. Erkan, “An improved BPDF filter for high density salt and pepper denoising,” in 2019 IEEE-RIVF International Conference on Computing and Communication Technologies (RIVF), IEEE, 2019, pp. 1–5.

[5] R. Rojas and P. Rodriguez, “Spatially adaptive total variation image denoising under salt and pepper noise,” in 2011 19th European Signal Processing Conference, IEEE, 2011, pp. 278–282.

[6] H. Hwang and R. A. Haddad, “Adaptive median filters: new algorithms and results,” IEEE Trans. Image Process., vol. 4, no. 4, pp. 499–502, 1995.

[7] R. H. Chan, C.-W. Ho, and M. Nikolova, “Salt-and-pepper noise removal by median-type noise detectors and detail-preserving regularization,” IEEE Trans. Image Process., vol. 14, no. 10, pp. 1479–1485, 2005.

[8] L. Liang, S. Deng, L. Gueguen, M. Wei, X. Wu, and J. Qin, “Convolutional neural network with median layers for denoising salt-and-pepper contaminations,” Neurocomputing, vol. 442, pp. 26–35, 2021.

[9] X. Deng, Y. Ma, and M. Dong, “A new adaptive filtering method for removing salt and pepper noise based on multilayered PCNN,” Pattern Recognit. Lett., vol. 79, pp. 8–17, 2016.

[10] D. N. H. Thanh and S. Engínoğlu, “An iterative mean filter for image denoising,” IEEE Access, vol. 7, pp. 167847–167859, 2019.

[11] J. S. Lim, Two-dimensional signal and image processing, Prentice Hall, 1990.

[12] P. Zhang and F. Li, “A new adaptive weighted mean filter for removing salt-and-pepper noise,” IEEE Signal Process. Lett., vol. 21, no. 10, pp. 1280–1283, 2014.

[13] A. Hore and D. Ziou, “Image quality metrics: PSNR vs. SSIM,” in 2010 20th international conference on pattern recognition, IEEE, 2010, pp. 2366–2369.

[14] Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, “Image quality assessment: from error visibility to structural similarity,” IEEE Trans. Image Process., vol. 13, no. 4, pp. 600–612, 2004.

[15] N. Asuni and A. Giachetti, “TESTIMAGES: a Large-scale Archive for Testing Visual Devices and Basic Image Processing Algorithms,” in STAG, 2014, pp. 63–70.

[16] D. Martin, C. Fowlkes, D. Tal, and J. Malik, “A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics,” in Proceedings Eighth IEEE International Conference on Computer Vision. ICCV 2001, IEEE, 2001, pp. 416–423.

DOI: https://doi.org/10.34238/tnu-jst.9133

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ