Noise removal operation is commonly applied as pre-processing step before subsequent image processing tasks due to the occurrence of noise during acquisition or transmission process. A common problem in imaging systems by using CMOS or CCD sensors is appearance of the s أکثر
Noise removal operation is commonly applied as pre-processing step before subsequent image processing tasks due to the occurrence of noise during acquisition or transmission process. A common problem in imaging systems by using CMOS or CCD sensors is appearance of the salt and pepper noise. This paper presents Cellular Automata (CA) framework for noise removal of distorted image by the salt and pepper noise. In order to enhance the performance of the designed CA for noise removal, a parallel programming approach has been adopted and implemented on GPU. The results obtained show that the proposed CA models implemented on general purpose processor and GPU are able to suppress noise in high noise intensity up to 90 percents. The proposed CA implemented on GPU has successfully outperformed the method implemented on CPU by factor of 2 for gray scale image and factor of 10 for color images.
تفاصيل المقالة
اکثر روش‌های درونیابی تصویر موجود، تصویر را بدون نویز فرض می‌کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند أکثر
اکثر روش‌های درونیابی تصویر موجود، تصویر را بدون نویز فرض می‌کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می‌شوند. در این مقاله، الگوریتمی همزمان برای درونیابی و حذف نویز فلفل نمکی تصاویر با استفاده از تبدیل ویولت مختلط دو درختی و شبکه‌های عصبی پیشرو ارائه شده است. در این الگوریتم زیرباندهای ویولت متناظر با تصویر با رزولوشن بالا و بدون نویز توسط پرسپترون چند لایه از روی تصویر با رزولوشن پایین نویزدار تخمین زده می‌شوند. سپس تصویر رزولوشن بالای فاقد نویز با اعمال عکس تبدیل ویولت مختلط بر روی زیرباندهای تخمین زده شده بازیابی می‌گردد. با بهره‌گیری از مزایای تبدیل ویولت مختلط مانند تقریبا تغییرناپذیر بودن نسبت به جابجایی و جهت دار بودن، تخمین انجام شده توسط شبکه‌های عصبی با دقت بالایی صورت می‌پذیرد. بنابر نتایج آزمایش‌های انجام شده، الگوریتم پیشنهادی در مقایسه با سایر روش‌های درونیابی و حذف نویز، از لحاظ کمی و کیفی عملکرد بهتری داشته و قادر به حفظ جزئیات تصویر است.
تفاصيل المقالة
Impulsive noise is one of the imposed defectives degrades the quality of images. Performance of many image processing applications directly depends on the quality of the input image. Hence, it is necessary to de-noise the degraded images without losing their valuable in أکثر
Impulsive noise is one of the imposed defectives degrades the quality of images. Performance of many image processing applications directly depends on the quality of the input image. Hence, it is necessary to de-noise the degraded images without losing their valuable information such as edges. In this paper we propose a method to remove impulsive noise from color images without damaging the image details. The proposed method employs the bit planes information of the image in various color channels to recover the noise corrupted pixels. Experimental results show capability of the proposed method in preserving image details compared to the classic median filter de-noising and the weighted couple sparse representation based methods.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications
