RU2771791C1 - Способ адаптивной медианной фильтрации импульсного шума на изображениях - Google Patents

Способ адаптивной медианной фильтрации импульсного шума на изображениях Download PDF

Info

Publication number
RU2771791C1
RU2771791C1 RU2021111656A RU2021111656A RU2771791C1 RU 2771791 C1 RU2771791 C1 RU 2771791C1 RU 2021111656 A RU2021111656 A RU 2021111656A RU 2021111656 A RU2021111656 A RU 2021111656A RU 2771791 C1 RU2771791 C1 RU 2771791C1
Authority
RU
Russia
Prior art keywords
array
pixels
distorted
image
block
Prior art date
Application number
RU2021111656A
Other languages
English (en)
Inventor
Павел Алексеевич Ляхов
Анзор Русланович Оразаев
Ульяна Алексеевна Ляхова
Мария Васильевна Валуева
Original Assignee
федеральное государственное автономное образовательное учреждение высшего образования "Северо-Кавказский федеральный университет"
Filing date
Publication date
Application filed by федеральное государственное автономное образовательное учреждение высшего образования "Северо-Кавказский федеральный университет" filed Critical федеральное государственное автономное образовательное учреждение высшего образования "Северо-Кавказский федеральный университет"
Application granted granted Critical
Publication of RU2771791C1 publication Critical patent/RU2771791C1/ru

Links

Images

Abstract

Настоящее изобретение относится к способам обработки изображений, конкретнее к способам фильтрации импульсных шумов на изображении. Техническим результатом является повышение качества обработки изображения. Технический результат достигается за счет обнаружения искаженных элементов и последующей медианной фильтрации искаженных элементов, итерационной проверки всех пикселей изображения до тех пор, пока изображение содержит искаженные пиксели, при этом неискаженные пиксели переносят на изображение следующей итерации, а для искаженных пикселей формируется массив доступных соседних неискаженных пикселей, после чего производится коррекция значения яркости искаженного пикселя на основе медианного значения яркости массива соседних неискаженных пикселей. 1 ил.

Description

Настоящее изобретение относится к способам обработки изображений, а более конкретно, к способам очистки изображений от импульсных шумов.
При получении или передаче цифровые изображения подвергаются воздействию шумов, что приводит к ухудшению визуального качества и потере участков изображений. В связи с этим исправление поврежденных пикселей является важной задачей цифровой обработки изображений [1]. В настоящее время существует большое количество методов очистки изображений от шума, зависящих от типа шумового воздействия. Применение линейных фильтров для этой цели вызывает сильное размытие участков изображения, приводящее к потере деталей и контуров изображения [2]. Для преодоления этого недостатка была предложена медианная фильтрация, которая заменяет пиксели изображения на соответствующие значения медиан некоторой окрестности [3]. Медианные фильтры также приводят к размытию изображения, которое, однако, значительно менее заметно, по сравнению с результатами обработки линейными фильтрами. Это становится особенно заметным при обработке изображений, искаженных импульсным шумом с высокой интенсивностью. Для уменьшения этого негативного эффекта изначально были предложены медианные фильтры с взвешенными весовыми коэффициентами [4], а затем и новые подходы, основанные на адаптивной фильтрации [5; 6]. Также был предложен метод нелинейной обработки изображений, основанный на двухступенчатой процедуре формирования взвешенных сумм, вычисляемых по вариационному ряду неискаженных пикселей в окне обработки [7].
При адаптивной медианной фильтрации сначала устанавливается факт наличия импульсного искажения пикселя, после чего осуществляется его исправление (Патент РФ №2043654, опубл. 10.09.1995). В настоящее время существуют весьма эффективные методы определения пикселей, искаженных импульсным шумом [8; 9].
В настоящее время существуют разные подходы для исправления пикселей, искаженных импульсным шумом. В работе [6] предлагается увеличивать маску медианного фильтра до тех пор, пока не будет получено приемлемое значение результата.
В работе [10] предлагаются два метода адаптивной медианной фильтрации импульсного шума в изображениях. Первый метод основан на совместном применении итеративной обработки и преобразования результата медианной фильтрации на основе распределения Лоренца. Второй метод отличается использованием других масок медианного фильтра, рассчитанных с использованием метрики Евклида. В работе [11] представлен метод, основанный на комбинированном использовании итерационной обработки изображений и постобработке результата медианной фильтрации. В данной работе нечеткие множества описаны кусочно-линейными функциями. К существенным недостаткам данных методов можно отнести сложность производимых вычислений.
Известен способ уменьшения импульсного шума при помощи схемы (Патент РФ №2107404, опубл. 20.03.1998), которая замещает часть импульсного шума заранее запомненными и хранимыми значениями.
Существенным недостатком данного способа является отсутствие возможности замены искаженного пикселя на исправленный при их неблагоприятном расположении.
Известно устройство и способ уменьшения влияния импульсного шума при помощи повторной передачи пакета данных (Патент РФ №2449479, опубл. 27.04.2012).
Недостатком данного способа является то, что способ возможно применять, только в условиях постоянной передачи пакетов с возможностью доступа к неискаженной версии изображения.
Известен способ обнаружения и устранения импульсного шума при обработке изображений и реализующее его устройство (Патент РФ №2449355, опубл. 10.02.2012). Обнаруженные значения импульсного шума устраняются путем замены их на значения аппроксимирующей поверхности на локализованных областях. Способ заключается в том, что значения исходного цифрового изображения сравниваются с различными значениями порогов. Затем формируется набор штрафов для значений исходного цифрового изображения, которые превысили установленные значения порогов, формируются результирующие штрафные значения путем суммирования значений штрафов отдельно для каждого отсчета. При этом отсчеты, у которых результирующие штрафные значения превышают вычисленный пороговый уровень, считаются аномальными. Далее формируются двумерные массивы штрафов для каждого порогового уровня. После чего определяются двумерные области нестационарности и локализуются двумерным программным обнаружителем с последующим обнулением штрафных значений. Обнаруженные значения импульсного шума устраняются путем замены их на значения аппроксимирующей поверхности первого порядка на локализованных областях.
Недостатком данного способа является то, что при интенсивном расположении искаженных пикселей в заданной окрестности метод дает низкокачественный результат обработки.
Наиболее близким к предлагаемому способу, выбранным в качестве прототипа, является способ устранения импульсных помех на цветных изображениях (патент РФ 2618390, опубл. 03.05.2017), заключающийся в обнаружении искаженных элементов и последующей векторной медианной фильтрации искаженных элементов, при этом дополнительно проверяют наличие либо отсутствие искажений элементов в каждой цветовой компоненте, в случае если элементы искажены не во всех компонентах, то выбирают элементы неискаженных компонент и выполняют межканальную градиентную реконструкцию элементов в искаженной компоненте по соответствующим выбранным элементам неискаженных компонент, в случае если элементы искажены во всех компонентах, то выполняют векторную медианную фильтрацию элементов трех цветовых компонент, и в случае если искажения элементов отсутствуют во всех компонентах, то элементы трех цветовых компонент сохраняют без изменений.
Недостатком данного способа является низкое качество обработки, связанное с тем, что при интенсивном расположении искаженных пикселей в заданной окрестности метод данный метод может не исправить искажение за одну итерацию.
Технической задачей настоящего изобретения является улучшение качества обработки изображений от импульсного шума с сохранением деталей изображения.
Техническим результатом является улучшение качества обработки изображения, при помощи очистки изображения от импульсного шума с использованием адаптивной медианной фильтрации.
Данный технический результат достигается при помощи предложенного способа адаптивной медианной фильтрации импульсного шума на изображениях, который заключается обнаружении искаженных элементов и последующей медианной фильтрации искаженных элементов, при этом к искаженным относят пиксели со значениями 0 и L, где L – максимально возможное значение яркости пикселя, до тех пор, пока изображение содержит искаженные пиксели итерационно проверяют все пиксели изображения, неискаженные пиксели переносят на изображение следующей итерации, а для искаженных пикселей формируют массив доступных соседних неискаженных пикселей, если данный массив не содержит элементов, то выбранный искаженный пиксель переносят на изображение следующей итерации без изменений как искаженный пиксель, а в случае, если массив доступных соседних неискаженных пикселей содержит хотя бы один элемент
Figure 00000001
, то для элементов массива находят медиану
Figure 00000002
, для каждого элемента
Figure 00000001
массива вычитают значение медианы
Figure 00000003
и формируют массив неотклонённых пикселей
Figure 00000004
, сравнивая для каждого
Figure 00000001
соответствующее значение
Figure 00000005
с уровнем отклонения
Figure 00000006
и если
Figure 00000007
, то в массив
Figure 00000004
не добавляется ничего, а если
Figure 00000008
, то в массив
Figure 00000004
добавляется элемент
Figure 00000001
, после чего вычисляют медиану
Figure 00000009
для массива
Figure 00000010
значение которой является значением исправленного пикселя и переносят его на изображение следующей итерации как неискаженный пиксель.
Сущность предложенного способа базируется на математическом аппарате адаптивной медианной очистки изображений от импульсного шума и предполагает использование итеративной обработки изображения масками небольшого размера с обработкой результата на основе медианы неотклоненных пикселей.
Численная оценка результатов моделирования на основе пикового отношения сигнала к шуму (PSNR) и индекса структурного сходства (SSIM) позволяет сделать вывод о том, что представленные методы лучше справляются как с очисткой от шумов с низкой интенсивностью, так и с очисткой от экстремальных шумов с интенсивностью 90–99 %.
Предложенный способ фильтрации импульсного шума поясняется фигурой 1 и основан на итерационном выполнении фильтрации с расчетом полученного значения пикселя. При последовательной обработке изображения в оттенках серого, переменная
Figure 00000011
используется для обозначения пикселей с координатами
Figure 00000012
в исходном зашумленном изображении, а переменная
Figure 00000013
используется для обозначения пикселя в позиции
Figure 00000012
после n-ой итерации. В последовательности карт искаженных пикселей значения
Figure 00000014
определяются в зависимости от наличия искажения в пикселе
Figure 00000015
следующим образом:
Figure 00000016
Переменная
Figure 00000017
принимает значение
Figure 00000018
в случае, когда пиксель с координатами
Figure 00000019
не искажен, а значение переменной
Figure 00000020
предполагает, что пиксель с координатами
Figure 00000019
искажен и его требуется подвергнуть фильтрации.
Схема способа адаптивной медианной фильтрации импульсного шума на изображениях представлена на фиг 1 и содержит блок буфера 1, вход которого является информационным входом устройства, на который подается исходное изображение, искаженное шумом.
Исходное изображение из блока 1 поступает в блок 2, который 2 отвечает за составление карты искаженных пикселей, на которой начальные значения
Figure 00000021
устанавливаются равными 1, если
Figure 00000022
или
Figure 00000023
, и устанавливаются равными 0, если
Figure 00000024
.
После составления карты искаженных пикселей блок 3 загрузку в память версии изображения, которая необходима для обработки из блока 2 для исходного изображения, или блока 14 для изображения после цикла итерации.
В блоке 4 осуществляется поочередный просмотр пикселей изображения текущей итерации и формирование следующей итерации, непросмотренные пиксели изображения передаются на блок 5.
Блок 5 отвечает за проверку изображения на наличие непросмотренных пикселей. Если непросмотренных пикселей не обнаруживается, то производится переход к блоку 14. Если же на этапе работы в блоке 5 обнаруживается непросмотренный пиксель, то он подается на вход блока 6.
В блоке 6 производится проверка обнаруженного пикселя на наличие в нем искажения. Если для пикселя в позиции
Figure 00000019
значение карты искаженных пикселей
Figure 00000025
, то пиксель является неискаженным и выполняется переход к блоку 10. Если же для пикселя значение карты
Figure 00000026
, то обнаруженный непросмотренный пиксель является искаженным и происходит переход к блоку 7.
В блоке 7 формируется массив соседних пикселей
Figure 00000027
для
Figure 00000028
следующим образом. Создается массив координат
Figure 00000029
по формуле:
Figure 00000030
Figure 00000031
Если какие-то из элементов множества
Figure 00000029
принимают недопустимые значения (выходят за границы изображения), то для соответствующих координат в массив
Figure 00000032
не добавляется ничего. Для допустимых значений элементов множества
Figure 00000029
в массив
Figure 00000032
добавляются пиксели с соответствующими координатами. После формирования массива соседних пикселей
Figure 00000027
производится переход к блоку 8.
Блок 8 отвечает за составление массива неискаженных соседних пикселей
Figure 00000033
, где для элементов множества
Figure 00000032
проверяется значение в карте
Figure 00000034
с соответствующей координатой. Если оно равно 1, то в массив
Figure 00000033
не добавляется ничего, если оно равно 0, то в массив
Figure 00000033
добавляется элемент
Figure 00000001
, равный значению пикселя с соответствующей координатой из изображения
Figure 00000035
. По окончанию составления массива неискаженных соседних пикселей
Figure 00000036
происходит переход к блоку 9.
В блоке 9 производится проверка массива
Figure 00000033
на пустоту. Если массив
Figure 00000033
остался пустым, то переменной
Figure 00000017
присваивается значение равное 1 означающее, что пиксель с координатами
Figure 00000019
остался искаженным и производится его передача на вход блока 10. Если же в массиве
Figure 00000033
обнаружен хотя бы один элемент, то производится переход к блоку 11.
Выходы блока 6 и блока 9 поступают на вход блока 10. В данном блоке 10 происходит перенос пикселя в новую версию изображения без его изменения по формуле
Figure 00000037
.
В блоке 11 переменной
Figure 00000017
присваивается значение равное 0 для корректировки карты искаженных пикселей. Выход блока 11 соединен со входом блока 12.
В блоке 12 производится вычисление медианы
Figure 00000038
массива
Figure 00000033
. Для этого производится вычисление переменной
Figure 00000039
, которая равна количеству элементов в массиве
Figure 00000033
. Если массив
Figure 00000033
состоит из нечетного числа элементов, то медиана
Figure 00000038
равна элементу с номером
Figure 00000040
для упорядоченного по возрастанию массива
Figure 00000033
. Если массив
Figure 00000033
состоит из четного числа элементов, то медиана
Figure 00000038
равна среднему арифметическому элементов с номерами
Figure 00000041
и
Figure 00000042
для упорядоченного по возрастанию массива
Figure 00000033
. Выход блока 12 соединен со входом блока 13.
В блоке 13 производится расчёт значения элемента
Figure 00000005
. Для каждого элемента
Figure 00000001
массива
Figure 00000033
происходят вычисления в следующем порядке:
Figure 00000043
Выход блока 13 соединен со входом блока 14.
В блоке 14 производится составление массива неотклонённых пикселей
Figure 00000004
следующим образом. Для элементов
Figure 00000001
массива
Figure 00000033
производится поочередное сравнение соответствующих значений
Figure 00000005
со значением
Figure 00000006
, которое является уровнем отклонения. Уровень отклонения определяется пользователем в зависимости от вероятности искажения пикселей и может меняться от 10 до 200. Если
Figure 00000007
, то в массив
Figure 00000004
не добавляется ничего, если
Figure 00000008
, то в массив
Figure 00000004
добавляется элемент
Figure 00000001
. По окончанию составления массива
Figure 00000004
происходит переход к блоку 15.
В блоке 15 производится вычисление медианы
Figure 00000009
массива
Figure 00000004
. Для этого производится вычисление переменной
Figure 00000044
, которая равна количеству элементов в массиве
Figure 00000004
. Если массив
Figure 00000004
состоит из нечетного числа элементов, то медиана
Figure 00000009
равна элементу с номером
Figure 00000045
для упорядоченного по возрастанию массива
Figure 00000004
. Если массив
Figure 00000004
состоит из четного числа элементов, то медиана
Figure 00000009
равна среднему арифметическому элементов с номерами
Figure 00000046
и
Figure 00000047
для упорядоченного по возрастанию массива
Figure 00000004
. Полученное значение является значением исправленного пикселя
Figure 00000013
.
Если непросмотренных пикселей изображения не осталось, то изображение передается на вход блока 16, в котором осуществляется проверка изображения на наличие искаженных пикселей. Если
Figure 00000048
, то это обозначает, что есть искаженные пиксели и происходит возврат к блоку 3. Если
Figure 00000049
, то это означает, что искаженных пикселей не осталось и происходит переход к блоку 17.
Обработанное изображение поступает на вход блока буфера 17, выход которого является информационным выходом схемы. Изображение, полученное в блоке 17, считается восстановленным выходным изображением.
Поясним работу способа примером. Рассмотрим принцип работы способа адаптивной медианной фильтрации импульсного шума на примере центрального искаженного пикселя для изображения в оттенках серого с максимально возможным значением яркости 255:
Figure 00000050
В блоке 2 начальные значения
Figure 00000021
устанавливаются равными 1, если
Figure 00000022
или
Figure 00000023
, и устанавливаются равными 0, если
Figure 00000024
. Карта искаженных пикселей приобретает вид:
Figure 00000051
Обработка изображения происходит итерационного, для чего исходное изображение загружают в блок 3. После чего загруженное изображение подается на вход блока 4, в котором производится поочередный просмотр пикселей изображения. После чего изображение поступает на вход блока 5, который отвечает за проверку изображения на наличие непросмотренных пикселей. Непросмотренный пиксель подается на вход блока 6. В блоке 6 производится проверка обнаруженного пикселя на наличие в нем искажения. Для 6 неискаженных символа из значения без изменений переносятся в изображение следующей итерации. В соответствие с картой искаженных пикселей фрагмент содержит 3 искаженных пикселя и в качестве примера рассмотрим пиксель с координатами (2,2), т.е.
Figure 00000052
, он является искаженным и происходит переход к блоку 7.
В блоке 7 формируется массив соседних пикселей
Figure 00000027
для
Figure 00000053
. Для этого создается массив координат
Figure 00000029
по формуле (2) и массив соседних пикселей
Figure 00000027
принимает следующий вид:
Figure 00000054
После формирования массива соседних пикселей
Figure 00000027
производится переход к блоку 8. Блок 8 отвечает за составление массива неискаженных соседних пикселей
Figure 00000033
, где для элементов множества
Figure 00000032
проверяется значение в карте
Figure 00000055
с соответствующей координатой. Если оно равно 1, то в массив
Figure 00000033
не добавляется ничего, если оно равно 0, то в массив
Figure 00000033
добавляется элемент
Figure 00000001
, равный значению пикселя с соответствующей координатой из массива соседних пикселей
Figure 00000027
. Массив неискаженных соседних пикселей
Figure 00000033
принимает следующий вид:
Figure 00000056
.
После составления массива неискаженных соседних пикселей
Figure 00000036
происходит переход к блоку 9. В блоке 9 производится проверка массива
Figure 00000033
на пустоту. Поскольку массив
Figure 00000033
не является пустым, то производится переход к блоку 11.
В блоке 11 переменной
Figure 00000057
присваивается значение равное 0 для корректировки карты искаженных пикселей. Выход блока 11 соединен со входом блока 12. В блоке 12 производится вычисление медианы
Figure 00000058
массива
Figure 00000033
. Для этого производится вычисление переменной
Figure 00000039
, которая равна количеству элементов в массиве
Figure 00000033
. Поскольку массив неискаженных соседних пикселей
Figure 00000033
имеет в своем составе 6 элементов, то переменная
Figure 00000059
. Производится упорядочивание по возрастанию массива
Figure 00000033
:
Figure 00000060
.
Поскольку массив
Figure 00000033
состоит из четного числа элементов, то медиана
Figure 00000038
равна среднему арифметическому элементов с номерами
Figure 00000041
и
Figure 00000042
и значениями 110 и 120 соответственно:
Figure 00000061
.
После расчета
Figure 00000038
происходит переход к блоку 13. В блоке 13 производится производится расчёт значения элемента
Figure 00000005
. Для каждого элемента
Figure 00000001
массива
Figure 00000033
происходят вычисления по формуле (3):
Figure 00000062
.
После чего производится переход к блоку14.
В блоке 14 производится составление массива неотклонённых пикселей
Figure 00000004
, где для элементов
Figure 00000001
массива
Figure 00000033
производится поочередное сравнение величины
Figure 00000005
со значением
Figure 00000006
, которое является уровнем отклонения. Пусть задано
Figure 00000063
, тогда:
Figure 00000064
.
По окончанию составления массива
Figure 00000004
происходит переход к блоку 15.
В блоке 15 производится вычисление медианы
Figure 00000009
. Поскольку массив
Figure 00000004
состоит из четного числа элементов, то медиана
Figure 00000009
равна среднему арифметическому элементов с номерами
Figure 00000065
и
Figure 00000066
и значениями 100 и 110, соответственно:
Figure 00000067
.
Полученное значение является значением исправленного пикселя
Figure 00000013
.
За первую итерацию будут исправлены все искаженные пиксели и блок 16 передаст исправленное изображение в блок 17, выход которого является информационным выходом схемы.
Литература
1. Gonzalez, R.C. Digital Image Processing / R.C. Gonzalez, R.E. Woods // 3rd edition, Pearson. – 2007. – P. 976
2. Bovik, A.C. Handbook of image and video processing, Academic press. – 2010. – P. 1372
3. Tukey, J.W. Exploratory data analysis. – Pearson, – 1977
4. Ko, J. Center weighted median filters and their applications to image enhancement / S.J. Ko, Y.H. Lee // IEEE Transactions on Circuits and Systems, – 1991. – Vol. 38. – P. 984–993
5. Wang, Z. Progressive switching median filter for the re-moval of impulse noise from highly corrupted images / Z. Wang, D. Zhang, // IEEE Transactions on Circuits and Systems II. – 1999. – Vol. 46. – P. 78–80
6. Hwang, H. Adaptive median filters: new algorithms and results / H. Hwang, R.A. Haddad // IEEE Transactions on Image Processing. – 1995. – Vol. 4. – P. 499–502
7. Lu, C.-T. Removal of salt-and-pepper noise in corrupted image using three-values-weighted approach with variable-size-window / C.-T. Lu, Y.-Y. Chen, L.-L. Wang, C.-F. Chang // Pattern Recognition Letters. – 2016. – Vol. 80. – P. 188-199
8. Fabijanska, A. Noise adaptive switching median-based filter for impulse noise removal from extremely corrupted images / A. Fabijańska, D. Sankowski // IET image pro-cessing. – 2011. – Vol. 5. – No. 5. – P. 472-480
9. Ng, P.E. A switching median filter with boundary dis-criminative noise detection for extremely corrupted images / P.E. Ng, K.K. Ma // IEEE Trans. Image Process. – 2006. – Vol. 15. – No. 6. – P. 1506-1516
10. Червяков Н. И. Новые методы адаптивной медианной фильтрации импульсного шума в изображениях / Н.И. Червяков, П.А. Ляхов, А.Р. Оразаев // Компьютерная оптика. – 2018. – Т. 42. – №. 4.
11. Lyakhov P. A. A new method for adaptive median filtering of images / P.A. Lyakhov, A.R. Orazaev, N.I. Chervyakov, D.I. Kaplun // 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). – IEEE, 2019. – С. 1197-1201.

Claims (1)

  1. Способ адаптивной медианной фильтрации импульсного шума на изображениях, заключающийся в обнаружении искаженных элементов и последующей медианной фильтрации искаженных элементов, отличающийся тем, что к искаженным относят пиксели со значениями 0 и L, где L – максимально возможное значение яркости пикселя, до тех пор пока изображение содержит искаженные пиксели, итерационно проверяют все пиксели изображения, неискаженные пиксели переносят на изображение следующей итерации, а для искаженных пикселей формируют массив доступных соседних неискаженных пикселей, если данный массив не содержит элементов, то выбранный искаженный пиксель переносят на изображение следующей итерации без изменений как искаженный пиксель, а в случае если массив доступных соседних неискаженных пикселей содержит хотя бы один элемент
    Figure 00000068
    , то для элементов массива находят медиану
    Figure 00000069
    , для каждого элемента
    Figure 00000068
    массива вычитают значение медианы
    Figure 00000070
    и формируют массив неотклонённых пикселей
    Figure 00000071
    , сравнивая для каждого
    Figure 00000068
    соответствующее значение
    Figure 00000072
    с уровнем отклонения
    Figure 00000073
    , и если
    Figure 00000074
    , то в массив
    Figure 00000071
    не добавляется ничего, а если
    Figure 00000075
    , то в массив
    Figure 00000071
    добавляется элемент
    Figure 00000068
    , после чего вычисляют медиану
    Figure 00000076
    для массива
    Figure 00000077
    значение которой является значением исправленного пикселя, и переносят его на изображение следующей итерации как неискаженный пиксель.
RU2021111656A 2021-04-23 Способ адаптивной медианной фильтрации импульсного шума на изображениях RU2771791C1 (ru)

Publications (1)

Publication Number Publication Date
RU2771791C1 true RU2771791C1 (ru) 2022-05-12

Family

ID=

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2365993C1 (ru) * 2008-01-30 2009-08-27 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ адаптивного улучшения факсимильных изображений документов
RU2449479C2 (ru) * 2006-02-07 2012-04-27 Алькатель Люсент Устройство и способ для уменьшения влияний импульсного шума на передачу пакетов данных
RU2449355C2 (ru) * 2010-08-02 2012-04-27 Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный университет экономики и сервиса" (ГОУ ВПО "ЮРГУЭС") Способ обнаружения и устранения импульсного шума при обработке изображений и устройство, его реализующее
US8988502B2 (en) * 2010-07-07 2015-03-24 A2Zlogix, Inc. System and method for transmission, processing, and rendering of stereoscopic and multi-view images
US9208542B2 (en) * 2009-03-02 2015-12-08 Flir Systems, Inc. Pixel-wise noise reduction in thermal images
RU2580456C1 (ru) * 2014-12-30 2016-04-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Донской государственный технический университет" (ФГБОУ ВПО "ДГТУ") Устройство восстановления искаженных значений пикселей изображений
US9398846B2 (en) * 2010-03-19 2016-07-26 Canon Kabushiki Kaisha Image processing apparatus, image processing system, image processing method, and image processing computer program
RU2618390C2 (ru) * 2015-10-06 2017-05-03 Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации Способ устранения импульсных помех на цветных изображениях
US9756264B2 (en) * 2009-03-02 2017-09-05 Flir Systems, Inc. Anomalous pixel detection

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2449479C2 (ru) * 2006-02-07 2012-04-27 Алькатель Люсент Устройство и способ для уменьшения влияний импульсного шума на передачу пакетов данных
RU2365993C1 (ru) * 2008-01-30 2009-08-27 Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." Способ адаптивного улучшения факсимильных изображений документов
US9208542B2 (en) * 2009-03-02 2015-12-08 Flir Systems, Inc. Pixel-wise noise reduction in thermal images
US9756264B2 (en) * 2009-03-02 2017-09-05 Flir Systems, Inc. Anomalous pixel detection
US9398846B2 (en) * 2010-03-19 2016-07-26 Canon Kabushiki Kaisha Image processing apparatus, image processing system, image processing method, and image processing computer program
US8988502B2 (en) * 2010-07-07 2015-03-24 A2Zlogix, Inc. System and method for transmission, processing, and rendering of stereoscopic and multi-view images
RU2449355C2 (ru) * 2010-08-02 2012-04-27 Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный университет экономики и сервиса" (ГОУ ВПО "ЮРГУЭС") Способ обнаружения и устранения импульсного шума при обработке изображений и устройство, его реализующее
RU2580456C1 (ru) * 2014-12-30 2016-04-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Донской государственный технический университет" (ФГБОУ ВПО "ДГТУ") Устройство восстановления искаженных значений пикселей изображений
RU2618390C2 (ru) * 2015-10-06 2017-05-03 Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации Способ устранения импульсных помех на цветных изображениях

Similar Documents

Publication Publication Date Title
George et al. A survey on various median filtering techniques for removal of impulse noise from digital image
Khan et al. An adaptive dynamically weighted median filter for impulse noise removal
Chan et al. Salt-and-pepper noise removal by median-type noise detectors and detail-preserving regularization
CN108805840A (zh) 图像去噪的方法、装置、终端及计算机可读存储介质
Harikiran et al. Impulse noise removal in digital images
Chowdhury et al. Fuzzy logic based filtering for image de-noising
Lyakhov et al. A new method for adaptive median filtering of images
Patil et al. Bilateral filter for image denoising
CN106228568A (zh) 模糊图片检测方法和装置
Odat et al. Image denoising by comprehensive median filter
RU2771791C1 (ru) Способ адаптивной медианной фильтрации импульсного шума на изображениях
US8208753B2 (en) Method and system for noise level detection in image data
Gupta et al. Image de-noising by dual threshold median filtering for random valued impulse noise
Kaur et al. Hand gesture image enhancement for improved recognition and subsequent analysis
Riji et al. Fuzzy based directional weighted median filter for impulse noise detection and reduction
Ullah et al. An Efficient Algorithm for Image De-noising by using Adaptive Modified Decision Based Median Filters
KR102846120B1 (ko) 지역 이진 패턴을 이용한 다중시기 이미지의 랜덤 노이즈 필터링 장치 및 방법
Ahmed Image enhancement and noise removal by using new spatial filters
Kryjak et al. Pipeline implementation of peer group filtering in FPGA
Amiri Salt and pepper noise removal using pixon-based segmentation and adaptive median filter
Parihar et al. A review: Various image denoising techniques
JPH08265572A (ja) 画像処理装置
Kong et al. Cellular Automata Denoising Framework for Salt-and-Pepper Noise Considering Directional Structure and Local Homogeneity
Zhang et al. Improved DOG Algorithm for Edge Enhancement of Images on ASICs
Ramesh An efficient approach for removal of universal noise using adaptive based switching bilateral filter