(47-2) 09 * << * >> * Русский * English * Содержание * Все выпуски

Новый метод обнаружения и устранения случайнозначного импульсного шума на изображениях
П.А. Ляхов 1,2, А.Р. Оразаев 1

1 Северо-Кавказский федеральный университет, 355017, Россия, г. Ставрополь, ул. Пушкина, д. 1;
2 Северо-Кавказский центр математических исследований,
355017, Россия, г. Ставрополь, ул. Пушкина, д. 1

 PDF, 1953 kB

DOI: 10.18287/2412-6179-CO-1145

Страницы: 262-271.

Аннотация:
В работе предложен метод детектирования и последующего устранения импульсного шума на изображениях, в котором вводится понятие сходства между пикселями как функции расстояния и разницы в значениях яркости в локальном окне детектора. Рассматривается модель импульсного шума, в которой искаженные пиксели принимают случайные значения, а также случайным образом возникают на изображении. Пиксели, которые были отмечены как искаженные импульсным шумом, восстанавливаются адаптивным медианным фильтром. Импульсные искажения детектируются в окне детектора, размер которого рассчитан по евклидовой метрике и увеличивается с ростом интенсивности шума на изображении. В экспериментальной части представлено сравнение между известными и предлагаемым методами на трёх изображениях для трех различных интенсивностей импульсного шума. В приближении на фрагментах изображений видно, что предлагаемый метод наилучшим образом справляется с задачей, что было также подтверждено численными оценками качества фильтрации импульсного шума на изображении на основе пикового отношения сигнала к шуму и индекса структурного сходства. Предлагаемый метод может найти применение в задачах очистки изображений в условиях искажающего импульсного воздействия и для устранения искажений от неблагоприятных погодных эффектов, таких как капли дождя и снег.

Ключевые слова:
обработка изображений, импульсный шум, медианный фильтр, адаптивный фильтр.

Благодарности
Авторы выражают благодарность СКФУ за поддержку в рамках проекта поддержки малых научных групп и отдельных ученых. Исследование в параграфах 1 и 2 проведено при поддержке Российского научного фонда (проект № 21-71-00017). Исследование в параграфе 3 проведено в Северо-Кавказском центре математических исследований в рамках соглашения с Министерством науки и высшего образования Российской Федерации (соглашение № 075-02-2022-892).

Цитирование:
Ляхов, П.А. Новый метод обнаружения и устранения случайнозначного импульсного шума на изображениях / П.А. Ляхов, А.Р. Оразаев // Компьютерная оптика. – 2023. – Т. 47, № 2. – С. 262-271. – DOI: 10.18287/2412-6179-CO-1145.

Citation:
Lyakhov PA, Orazaev AR. New method for detecting and removing random-valued impulse noise from images. Computer Optics 2023; 47(2): 262-271. DOI: 10.18287/2412-6179-CO-1145.

References:
  1. Gonzales RC, Woods RE. Digital image processing. 4th ed. Pearson; 2018.
  2. Zhang C, Wang K. A switching median–mean filter for removal of high-density impulse noise from digital images. Optik 2015; 126: 956-961.
  3. Cui H, et al. Denoising and resource allocation in uncoded video transmission. IEEE J Sel Top Signal Process 2014; 9(1): 102-112.
  4. Jakubczak S, Rahul H, Katabi D. SoftCast: One video to serve all wireless receivers. Massachusetts Inst Technol, Cambridge, MA, USA: Tech Rep MIT-CSAIL-TR-2009-005; 2009.
  5. Xiong R, et al. Analysis of decorrelation transform gain for uncoded wireless image and video communication. IEEE Trans Image Process 2016; 25(4): 1820-1833.
  6. Jakubczak S, Katabi D. A cross-layer design for scalable mobile video. Proc 17th annual int conf on Mobile computing and networking (MobiCom '11) 2011: 289-300.
  7. He C, et al. MUcast: Linear uncoded multiuser video streaming with channel assignment and power allocation optimization. IEEE Trans Circuits Syst Video Technol 2019; 30(4): 1136-1146.
  8. Bovik AC. The essential guide to image processing. Academic Press; 2009.
  9. Abdalla AM, Osman MS, AlShawabkah H, Rumman O, Mherat M. A review of nonlinear image-denoising techniques. 2018 Second World Conf on Smart Trends in Systems, Security and Sustainability (WorldS4) 2018: 96-100.
  10. Punhani P, Garg NK. Noise removal in MR images using non linear filters. 2015 6th Int Conf on Computing, Communication and Networking Technologies (ICCCNT) 2015: 1-6.
  11. Zhang S, Li X, Zhang C. Modified adaptive median filtering. 2018 Int Conf on Intelligent Transportation, Big Data & Smart City (ICITBS) 2018: 262-265.
  12. Garnett R, Timothy H, Charles C, Wenjie H. A universal noise removal algorithm with an impulse detector. IEEE Trans Image Proces 2005; 14: 1747-1754.
  13. Tomasi C, Manduchi R. Bilateral filtering for gray and color images. Sixth Int Conf on Computer Vision 1998: 839-846.
  14. Dong Y, Chan RH, Xu S. A detection statistic for random-valued impulse noise. IEEE Trans Image Process 2007; 16(4): 1112-1120.
  15. Xiao X, Xiong NN, Lai J, Wang CD, Sun Z, Yan J. A local consensus index scheme for random-valued impulse noise detection systems. IEEE Trans Syst Man Cybern Syst 2021; 51(6): 3412-3428. DOI: 10.1109/TSMC.2019.2925886.
  16. Singh N, Oorkavalan U. Triple Threshold Statistical Detection filter for removing high density random-valued impulse noise in images. EURASIP J Image Video Process 2018; 2018(1): 22.
  17. Nadeem M, Hussain A, Munir A, Habib M, Naseem, MT. Removal of random valued impulse noise from grayscale images using quadrant based spatially adaptive fuzzy filter. Signal Process 2020; 169: 107403.
  18. Ginu G, et al. A survey on various median filtering techniques for removal of impulse noise from digital image. 2018 Conf on Emerging Devices and Smart Systems (ICEDSS) 2018: 235-238.
  19. Mujica-Vargas D, Rubio JJ, Kinani JMV, Gallegos-Funes FJ. An efficient nonlinear approach for removing fixed-value impulse noise from grayscale images. J Real Time Image Process 2018; 14(3): 617-633.
  20. Lone MR, Khan E. A good neighbor is a great blessing: Nearest neighbor filtering method to remove impulse nois. Journal of King Saud University – Computer and Information Sciences 2022; 34(10:B): 9942-9952.
  21. Singh A, Sethi G, Kalra GS. Spatially adaptive image denoising via enhanced noise detection method for grayscale and color images. IEEE Access 2020; 8: 112985-113002. DOI: 10.1109/ACCESS.2020.3003874.
  22. Lan X, Zuo Z. Random-valued impulse noise removal by the adaptive switching median detectors and detail-preserving regularization. Optik 2014; 125(3): 1101-1105.
  23. Chen BH, Tseng YS, Yin JL. Gaussian-adaptive bilateral filter. IEEE Signal Process Lett 2020; 2: 1670-1674.
  24. Jahne B. Digital image processing. Berlin, Heidelberg, New York: Springer; 2005.
  25. Chervyakov NI, Lyakhov PA, Orazaev AR. Two methods of adaptive median filtering of impulse noise in images. Computer Optics 2018; 42(4): 667-678. DOI: 10.18287/2412-6179-2018-42-4-667-678.
  26. Chervyakov NI, Lyakhov PA, Orazaev AR. 3D-generalization of impulse noise removal method for video data processing. Computer Optics 2019; 44(1): 92-100. DOI: 10.18287/2412-6179-CO-577.
  27. Wang Z. Image quality assessment: from error visibility to structural similarity. IEEE Trans Image Process 2004; 13(4): 600-612.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20