雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

在图像恢复去噪技术的全面审查

阿卡纳1,Sheenam2Amit chhabra3
  1. M。科技学生,计算机科学与工程系,哲人Devi新德里工程研究所& Technology-Barwala Panchkula,印度
  2. 计算机科学与工程系助理教授,哲人Devi新德里工程研究所& Technology-Barwala Panchkula,印度
  3. 主管部门,计算机科学与工程系,哲人Devi新德里工程研究所& Technology-Barwala Panchkula,印度
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

扩散数字图像在互联网上引发了更系统化、更有效的图像恢复方法。噪声图像恢复的过程涉及到采购自由原始图像从一个损坏的嘈杂的图像。图像恢复的过程是至关重要的在许多领域如卫星成像、天文图像和医学图像退化的图像需要修理的地方。本文提供了一个审查的各种去噪技术在图像恢复





关键字
去噪技术、图像恢复、图像滤波、高斯噪声、椒盐噪声、散斑噪声

介绍
在信息时代也被称为计算机时代或数字时代,视觉的知识和材料通常是数字图像的形式传播的。数字图像可以描述为二维图像作为一组有限的离散值,称为图像元素或像素。像素理想通常代表灰色的水平,颜色,高度,混浊等。图像处理是图像使用不同的分析技术,能够识别关系,色调和颜色不能被人类的眼睛。图像处理是一种将图像变成数字形式和实现一些操作,为了得到一个图像增加质量或从中获得一些有用的信息。噪声是图像中没有要求的组件,降低了图像的视觉质量。这个不受欢迎的成分需要删除原始图像的检索过程之前开始。在某些情况下由发送方发送的图片时,图片损坏和不受欢迎的噪声与传输后多余的元素。在某些情况下噪声图像中被侵入的时候收购。因此接收机在许多情况下接收图像质量下降。因此图片收到了需要处理才可用于各种应用程序。 Image restoration or denoising is required, to make a visually high quality image which include the process of changing, correcting, or moving of the image data to produce noise free image. The several reasons due to which an image can reduce its quality or get corrupted are -motion between camera and object, improper opening of the shutter, atmospheric disturbances, misfocusing etc. In this paper restoring of images which contain noise is defined by studying the actions of different filters such as mean filter, median filter and adaptive filter. In this paper section II describes Types Of Noises, section III describes Denoising technique, section IV describes Nearest neighbor Algorithm, section V describes Contrast and Saturation.

相关工作
根据[13]处理模糊图像解决在信号和图像的成像工作原理的基础上制造组的模糊组使用热方程的解决方案。本节设置每个轨道相交。图像模糊图像是使用适当的相同级别的模糊矩阵不变的模糊选择比较
有一个限制约束的算法可以成功地清算工作模糊。根据[14]基于盲图像恢复方法图像反褶积与PCA方法增加性能评级PCA恢复算法。鲁棒性对噪声和提高高频组件建议未来的工作。这个过程是费时和恢复也不是非常高效的。根据[15]Sparsification模糊图像和蓝色内核同时被提出本文作者提出两个离散小波变换进行模糊处理的未来应用DDWT消除模糊是由于物体速度和散焦模糊是有用的为研究对象。高速移动对象形式模糊算法进行了维修,但颜色不是很惊人的恢复算法。根据[18],一个好的方法来调整由著名比较不同方法的对比和选择正确的。此外,实验证明效果对比调整,恢复退化的CT图像。这种对比的方法调整修复并不是100%可靠,不能在任何情况下使用。根据[17]贿赂罪行的形象是指程序试图减少模糊图像的模糊量和格兰特退化图像整体磨外观获得更清晰的图像。 This paper presents an altered version of Landweber, and Poisson Map algorithms by replacing the ( H* ) or ( HT ) by (H) to reduce the execution time. According to [16], A method for digital image restoration, based on the algorithm of Lagrange multipliers, has many practical applications. We apply the method to remove blur in an image caused by uniform linear motion. The field of image restoration is concerned with the reconstruction or estimation of the uncorrupted image from a blurred one.

数字图像的噪声类型
图像噪声是随机变化的亮度或颜色信息的传感器和电路产生的图像扫描仪或数码相机。图像噪声图像捕获的被认为是一个不受欢迎的副产品。噪音的类型如下:
1。高斯噪声(放大器噪声)——高斯噪声的标准模型是配件。高斯噪声是独立在每个像素和独立的信号强度。
2。噪声,图像花白花白噪声包含在明亮的区域和明亮的黑像素像素在黑暗地区。[6]
3所示。散斑噪声,散斑噪声在本质上是一个内在的噪音。散斑噪声SAR图像处理是一个重要的干扰因素。SAR是由分散的统一处理信号从多个分布式目标。[2]

去噪技术
所有可用的图像恢复过滤器是准确的在某种程度上的噪声,随机变化的数据。噪音过滤后图像分析是件容易的事。信号处理中的一个工程师工作有不同意义的词过滤需要特定的操作,告诉我们图像中感兴趣的区域。图像过滤器可用于突出边缘,部分对象的图像或对象之间的界限。过滤器提供更好的目视判读的图片,也可以使用作为一个前任进一步数字处理,如分割。图像去噪的过程中获得的原始图像退化的图像如果退化因素的价值被称为如图3所示。它是用来消除损坏图像的噪声,同时保留边缘和其他主要细节没有阻碍图像的视觉信息。
在恢复过程中,降解是一个线性函数的方程。
g (x, y) = h (x, y) * f (x, y) + n (x, y)[6],如果g (x, y)噪声是免费的,可以通过恢复使用逆传递函数的h (u, v)恢复过滤和(x, y)是噪音。
两种类型的过滤技术,讨论了线性和非线性滤波技术如下:1。线性过滤器:输出值的方法是原始图像中像素的线性函数。线性方法很容易分析数学比非线性过滤器2。非线性滤波器:这些过滤器有准确的结果,因为他们能够降低噪音水平,而不模糊边缘
下面讨论的过滤技术:
1)意味着过滤器:过滤器是一个平均线性滤波器。这里的滤波器计算图像的平均值与噪声预定义区域和中心像素强度值然后改变了邻近像素的平均值。这个过程被重复整个图像中所有像素值。
2)中值滤波:中值滤波中值滤波器是一种最好的静态,非线性滤波器,它的反应是基于像素值的定位的基础上排名下包含过滤器。中值滤波对椒盐噪声产生好的结果。这些过滤器是基本上平滑图像处理,以及信号处理。中值滤波器的线性滤波器的好处是,中值滤波可以消除输入噪声值的影响巨大的大小。
3)自适应滤波器:这些过滤器改变图像的像素的统计特征的基础上,封闭在感兴趣的领域。一个自适应滤波器可以提高图像质量比平均滤波器。逻辑均值滤波器和自适应滤波器之间的区别在于他们的行为权重矩阵的变化在每个迭代自适应滤波器后,虽然它仍然是相同的均值滤波器的迭代。[6]自适应滤波器能够过滤非平稳图像,即图像强度的突然变化。这种过滤器是已知的能力在自动跟踪一个未知的情况下或变量与小信号时前已知信号的信号处理。一般来说,一个自适应滤波器迭代调整参数在扫描图像匹配图像的生成机制。

最近邻的图像恢复方法
最近的邻居的一个像素被认为是进行图像恢复。在2 d网格图像元素,每个元素有一定的相关性和它最近的元素。使用这个属性,算法来取代一个嘈杂的像素值的意思是所有最近的邻居可以写。[12]这里给出一种算法进行迭代过程发现的平均强度和替换吵闹的像素。考虑一个输入图像即时通讯。像素在一个位置(i, j)在输入图像中定义。每个邻居的发生概率计算Im (i, j)。如果我们考虑3 x3的窗口,然后N = 1 (N是近邻的位置;N = 1意味着像素立即毗邻Im (i, j)),总共八个邻国在那个窗口,中值是通过使用以下表达式
图像
M的值给所有邻国的意思是某个像素点(称为“好像素值”)。中央叛逃像素被这个好像素值。棋盘的过程进行距离和分别Cityblock距离变换:在棋盘距离变换,一个像素的所有八个邻居被用于计算平均值,而在城市街区,只有四个相邻的点。棋盘的距离比城市街区的距离从而产生更好的结果。有一个困难,然而,在测试图像中的边缘恢复。恢复边缘像素利用上述方法是不可能的。

对比度和饱和度
对比:对比的变化将导致增加像素,每个像素的值将达到一个clear-enhanced值的颜色将帮助计算像素颜色的前一个值
饱和度:饱和图像增加图像的颜色值,这样部分分段根据最大值的像素在附近。这也有助于确定丢失的像素的值准确的帮助下附近的像素。
两个以上的对比度和饱和度一起将帮助我们确定图像中的像素的真正价值。这些像素值与近邻方法将计算缺失的像素的值。

仿真结果
在这我们应用近邻算法与原始图像的对比度和饱和度技术有白色斑点和裂缝。并比较其与SIHF(规模方差和高保真)技术。仿真结果表明,该算法比最近邻方法执行。畸形的检测是增强的算法通过调整图像的对比度和饱和度。

结论
我们讨论工作中存在不同的声音像椒盐噪声,高斯噪声,散斑噪声和布朗噪声不同的去噪滤波器和所有这些过滤器的优点和缺点。选择一个特定的算法根据图像中出现的噪声。得出过滤器是一个重要的过程,是用于生产高质量图像去除噪声的图像,降低图像的质量,因为不同的原因可以是可控的或有时难以管理。过滤方法是用于改善结果银行的噪声发生在一个图像。中值滤波器是最好的比均值滤波器和自适应滤波器对椒盐噪声。自适应滤波器被证明是比均值滤波器但更复杂。中值滤波器没有噪声出现在它附近,是获得高质量的图像噪声。

数据乍一看
图1 图2 图3 图4
图1 图2 图3 图4
图1 图2 图3
图5 图6 图7

引用


















传记
医生是一个M。理工大学计算机科学系的学生,哲人Devi Dyal工程技术研究所Barwala, Kurukshetra大学。她收到了B。2012技术学位PTU Jalandhar。她的兴趣是图像处理领域。
Sheenam助理教授在阁下Devi Dyal工程技术研究所Barwala。她感兴趣的领域是图像处理。
Amit Chabara计算机科学部门负责人,哲人Devi Dyal工程技术研究所Barwala。他感兴趣的领域是计算机网络。
全球技术峰会