Новый метод обнаружения и устранения случайнозначного импульсного шума на изображениях
Автор: Ляхов Павел Алексеевич, Оразаев Анзор Русланович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 2 т.47, 2023 года.
Бесплатный доступ
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.
Обработка изображений, импульсный шум, медианный фильтр, адаптивный фильтр
Короткий адрес: https://sciup.org/140297690
IDR: 140297690 | DOI: 10.18287/2412-6179-CO-1145
New method for detecting and removing random-valued impulse noise from images
The paper proposes a method for detecting and removing impulse noise in images, which determines the similarity between pixels by distance and the difference in brightness values in the local detector window. An impulse noise model is considered, where distorted pixels take random values and also randomly appear in the image. Pixels identified as pulses are recovered with an adaptive median filter. The impulses are determined in the detector window, whose size is calculated in the Euclidean metric and increases with increasing noise intensity in the image. In the experimental part, we discuss visual differences between familiar methods and the one proposed herein on three images for three different impulse noise intensities. In the approximation of image fragments, it is seen that the proposed method copes with the task in the best way, which is also confirmed by numerical estimates of the quality of image reconstruction from impulse noise based on the peak signal-to-noise ratio and the structural similarity index. The proposed method can be used when solving problems of cleaning images under conditions of distorting impulses and for eliminating distortions caused by adverse weather effects, such as raindrops and snow.
Список литературы Новый метод обнаружения и устранения случайнозначного импульсного шума на изображениях
- Gonzales RC, Woods RE. Digital image processing. 4th ed. Pearson; 2018.
- Zhang C, Wang K. A switching median-mean filter for removal of high-density impulse noise from digital images. Optik 2015; 126: 956-961.
- Cui H, et al. Denoising and resource allocation in uncoded video transmission. IEEE J Sel Top Signal Process 2014; 9(1): 102-112.
- 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.
- 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.
- 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.
- 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.
- Bovik AC. The essential guide to image processing. Academic Press; 2009.
- 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.
- 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.
- Zhang S, Li X, Zhang C. Modified adaptive median filtering. 2018 Int Conf on Intelligent Transportation, Big Data & Smart City (ICITBS) 2018: 262-265.
- 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.
- Tomasi C, Manduchi R. Bilateral filtering for gray and color images. Sixth Int Conf on Computer Vision 1998: 839-846.
- Dong Y, Chan RH, Xu S. A detection statistic for random-valued impulse noise. IEEE Trans Image Process 2007; 16(4): 1112-1120.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- Singh A, Sethi G, Kalra GS. Spatially adaptive image denoising via enhanced noise detection method for grayscale and color images. IEEE Access 2020; 8: 112985113002. DOI: 10.1109/ACCESS.2020.3003874.
- 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.
- Chen BH, Tseng YS, Yin JL. Gaussian-adaptive bilateral filter. IEEE Signal Process Lett 2020; 2: 1670-1674.
- Jahne B. Digital image processing. Berlin, Heidelberg, New York: Springer; 2005.
- 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: 10.18287/24126179-2018-42-4-667-678.
- 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.
- Wang Z. Image quality assessment: from error visibility to structural similarity. IEEE Trans Image Process 2004; 13(4): 600-612.
