الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 38000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
Image denoising, Salt-and-pepper noise, Median filter, Motion direction, Iterative filtering
مرجع به فارسی
مقالات شناسایی الگو
دپارتمان ارتباطات اطلاعات، دانشگاه آسیا، تایوان
الزویر
مرجع به انگلیسی
Pattern Recognition Letters; Department of Information Communication, Asia University, Taichung Taiwan, ROC; Elsevier
کشور
تایوان
حذف نویز فلفل نمکی تصویر خراب با استفاده از فیلتر میانه وزنی جهت دار اصلاح شده
چکیده
الگوریتم های حذف نویز زیادی برای بازیابی تصویر خراب نویزدار ارائه شده اند. هرچند، بیشتر آنها نمی توانند تصویر دارای نویز شدید بالای ۷۰% را ترمیم کنند. در این مقاله، رویکرد جدیدی را برای حذف موثر نویز پس زمینه، با شناسایی و تغییر پیکسل های نویزدار در تصویر، پیشنهاد داده ایم. اگر پیکسل مرکزی یک پنجره محلی نویزدار تشخیص داده شود، این پیکسل با مقدار میانه وزنی در جهت بهینه جایگزین شده، و نویز ضربه ای را حذف می کند. برعکس، زمانی که پیکسل مرکزی بدون تغییر حفظ می شود که بعنوان مورد بدون نویز طبقه بندی شده و بنابر این کیفیت تصویر ترمیم شده به خوبی حفظ خواهد شد. نتایج تجربی نشان می دهند که این رویکرد نه تنها بطور موثری قابلیت متوقف سازی نویز ضربه ای شدید را دارد، بلکه اطلاعات تفصیلی تصویر نیز بخوبی حفط می شود.
نویز ضربه ای در یک تصویر بخاطر خطاهای بیتی در هنگام انتقال رخ می دهد یا طی مرحله کشف پیام اتفاق می افتد. دو نوع نویز ضربه ای وجود دارد؛ نویز فلفل نمکی و نویز مقدار تصادفی. نویز فلفل نمکی هنگامی رخ می دهد که پیکسل های تخریب شده مقادیر حداقلی و حداکثری خاکستری می گیرند. این نویز می تواند بطور چشمگیری کیفیت تصویر را بدتر کند. چگونگی حذف این نوع نویزهای ضربه ای وظیفه مهم این تحقیق است.
فیلترهای غیرخطی زیادی برای ترمیم تصاویر آلوده به نویزهای سفید و سیاه ارائه شده اند. بیشتر این فیلترهای میانه استاندارد بعنوان روشی قابل اطمینان برای حذف نویزهای سیاه و سفید بدون آسیب زدن به جزئیات لبه ها ایجاد شده اند. با این حال، ضعف اصلی فیلتر میانه استاندارد این است که تنها در شدت نویزهای پایین موثر است. زیرا فیلتر بطور یکنواختی مقادیر پیکسل مرکزی را با مقدار میانه حدود محلی جایگذاری می کند. بنابراین، بعضی جزئیات مطلوب هم مخصوصا وقتی پنجره محلی بزرگ باشد، جایگذاری می شود که باعث تار شدن تصویر ترمیمی می گردد. یک فیلتر میانه گزینشی / سوئیچ کل فرایند فیلترینگ را به دو مرحله متوالی تقسیم می کند؛ شناسایی نویز و فیلترینگ؛ به این صورت که پیکسل های نویزدار با فیلتر میانه فیلتر می شوند. در مقابل، پیکسل های بدون نویز بمنظور حفظ کیفیت تصویر بدون تغییر باقی می مانند.
…
بر اساس یافته های بالا، نحوه بهبود فیلتر میانه گزینشی / سوئیچ برای مقابله با تصاویر شدیدا نویزدار (با نویز بالای ۶۰%) کار تحقیقاتی چالش برانگیزی است. اگرچه فیلتر DWM بخوبی نویزهای تصاویر نویزدار با شدت نویز پایین را حذف می کند، اما در بهبود تصاویر با نویز شدید (بالای ۷۰%) با شکست مواجه می شود. در این مقاله، با پیدا کردن جهت لبه بهتر و اعمال محدودیتی جدید بر اجرای فیلتر میانه گزینشی / سوئیچ ما بهبود عملکرد فیلتر DWM را پیشنهاد می کنیم. نتایج تجربی نشان می دهند که روش پیشنهادی می تواند بطور قابل ملاحظه ای عملکرد فیلتر DWM را در حذف تعداد بسیار بیشتری از نویزهای پس زمینه بهبود بخشد، و در عین حال جزئیات تصویر اصلی را به خوبی حفظ نماید. علاوه بر این، رویکرد پیشنهادی در بهبود تصاویر نویزدار با شدت نویز بالای ۹۰% هم عالی عمل می کند.
بقیه این مقاله بصورت زیر سازماندهی شده است. بخش ۲ فیلتر میانه جهتدار تغییریافته پیشنهادی را شرح می دهد. بخش ۳ نتایج تجربی را نشان می دهد. در نهایت، در بخش ۴ نتیجه گیری ارائه می شود.
حذف نویز فلفل نمکی تصویر خراب فیلتر میانه وزنی
۲- رویکرد پیشنهادی
نمودار بلوکی روش پیشنهادی در شکل ۱ آمده است. در ابتدا، تصویر نویزدار با پنجره لغزنده ۷×۷ آنالیز می شود. اگر مقدار پیکسل مرکزی در پنجره محلی مقدار حدی ( ۰ یا ۲۵۵) نباشد، پیکسل مرکزی بعنوان بدون نویز دسته بندی می شود و به منظور حفظ کیفیت تصویر بدون تغییر باقی می ماند. در غیر اینصورت، باید مشخص شود پیکسل مرکزی در دسته پیکسل های نویزدار قرار خواهد گرفت یا پیکسل های لبه. اگر پیکسل مرکزی به لبه تعلق داشته باشد، همچنان بدون تغییر باقی می ماند. در غیر اینصورت، یک پیکسل نویزدار است و باید با فیلتر میانه وزنی جهت دار (DWM) تغییر یابد. پیکسل با مقدار کران ( ۰ یا ۲۵۵) باید پیش از اعمال فیلتر DWM از فیلترینگ خارج شود، تا بدین ترتیب نویزهای سیاه و سفید به دقت حذف گردند. پنجره محلی از سمت چپ به راست، و از گوشه چپ بالا به گوشه راست پایین تصویر حرکت می کنند تا جایی که همه پیکسل ها پردازش شوند. برای اطمینان از حذف اثربخش نویز ضربه ای، روندهای شناسایی نویز و فیلتر تغییریافته DWM تا دستیابی به تعداد تکرار خودکار مکررا اجرا می شوند. بدین ترتیب تصویری بدون نویز بدست می آید.
۲-۱٫ شناسایی نویز ضربه ای
یک تصویر بدون نویز حاوی نواحی تقریبا متغیری است که با توجه به لبه ها در پنجره محلی جدا شده اند. دانگ و خو (۲۰۰۷) استفاده از چهار جهت را برای پیدا کردن لبه یک شیء پیشنهاد کرده اند. در اینجا ما ۱۲ جهت را برای شناسایی جهت لبه یک شیء پیشنهاد کرده و با اینکار دقت شناسایی را بهبود می بخشیم. شکل ۲ دوازده جهت را برای شناسایی لبه نشان می دهد، پیکسل مرکزی بصورت دایره توپُر نمایش داده شده است.
۲-۲٫ فیلترینگ میانه وزنی جهتدار اصلاح شده
بر مبنای فرمول (۴)، می توانیم تعیین کنیم که آیا پیکسل مرکزی یک پنجره محلی نویزدار است یا خیر. اگر پیکسل مرکزی بعنوان نویزدار دسته بندی شد، باید جهت حذف نویز ضربه ای، با یک مقدار مناسب جایگزین شود. در اینجا ما فیلتر تغییر میانه (SM) را برای ترمیم مقدار پیکسل مرکزی بکار می بریم. مقدار پیکسل بهبودیافته را می توان بصورت زیر محاسبه کرد:
۲-۳٫ فیلترینگ تکرارشونده
آستانه T در فرمول (۴) می تواند بر عملکرد شناسایی نویز ضربه ای تفوق یابد. تعیین مقدار قوی برای آستانه دشوار است. بنابراین، ما فیلتر DWM اصلاح شده را با مقدار کاهنده ای برای آستانه T تکرار می کنیم. در تکرارهای اول، با آستانه زیاد، شناساگر نویز ضربه ای تنها پیکسل هایی را شناسایی می کند که احتمال نویزدار بودنشان بیشتر است. در تکرارهای بعدی، جهت درگیر کردن نویزهای بیشتر برای اصلاح، مقدار آستانه را کاهش می دهیم. طبق پیشنهاد دانگ و خو (۲۰۰۷)، برای تصاویر خاکستری ۸ بیت، مقادیر آستانه ای ذیل همیشه نتایج رضایتبخشی به دنبال دارد:
حذف نویز فلفل نمکی تصویر خراب فیلتر میانه وزنی
۳- نتایج تجربی
برای سنجش عملکرد الگوریتم حذف نویز در آزمایش از تصاویر آزمون خاکستری استاندارد استفاده شده است. این تصاویر شامل «لنا» و «قایق»، با ابعاد ۵۱۲×۵۱۲ هستند. تصاویر آزمون با نویز ضربه ای فلفل نمکی با شدت های مختلف نویز از ۱۰% تا ۹۰% تخریب شده اند. همچنین از فیلتر میانه، فیلتر میانه گزینشی / سوئیچ ، و فیلتر میانه وزنی جهتدار (DWM) برای مقایسه اجرا شد. نتایج ترمیم از نظر تعداد با نسبت اوج سیگنال به نویز (PSNR) سنجیده شد، که بصورت زیر بیان می شود:
حذف نویز فلفل نمکی تصویر خراب فیلتر میانه وزنی
۴- نتیجه گیری
فیلتر بهبودیافته میانه وزنی جهتدار (DWM) در این مقاله ارائه شد. دلیل اصلی اینکه روش پیشنهادی عملکرد فیلتر میانه وزنی جهتدار (DWM) را بطور چشمگیری بهبود می بخشد، استفاده از جهات اضافی (۱۲ جهت) برای شناسایی لبه است، در حالیکه فیلتر DWM تنها در ۴ جهت عمل می کند. این جهات اضافی دقت شناسایی لبه را بهبود می دهد. بعلاوه، پیکسلی با مقدار حدی (۰ یا ۲۵۵ برای تصویر خاکستری ۸- بیتی) پیش از اعمال فیلتر میانه در جهت بهینه کنار گذاشته می شوند تا نویز ضربه ای بطور اثربخشی، بخصوص در مواردی با خرابی نویز شدید (با شدت نویز بالاتر از ۷۰ %)، حذف گردد. نتایج تجربی نشان دهنده آن هستند که روش پیشنهادی از لحاظ سنجش عینی و کیفیت بصری بسیار بهتر از تکنیک های حذف نویز دیگر عمل می کند.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
