satНАУКА и ТЕХНИКАScience & Technique2227-10312414-0392Belarusian National Technical University10.21122/2227-1031-2025-24-5-350-360sat-2895Research ArticleИНФОРМАТИКАINFORMATICSАдаптивный метод взвешенной фильтрации для удаления шума типа «соль и перец»Adaptive Weighted Mean-Median Filtering for Robust Salt-and-Pepper Noise Removal TechniqueСанголеМ.SangoleM.

Нашик

Mosam SangoleNashik

ГадэС.GadeS.

Нашик

Swati GadeNashik

ПатильД.PatilD.

Адрес для переписки:Дипак Пандуранг Патиль – Сандипский институт инженерии и менеджмента,«Дип Амрит», Плот № 46+47/3 Гаджанан Чоук, Индранагри, Каматваде Нашик,Республика Индия

Пин код 422008 dipak.patil@siem.org.in

Address for correspondence:Dipak Pandurang Patil –Sandip Institute of Engineering and Management “DEEP AMRIT”, Plot No 46+47/3,Gajanan Chowk, Indranagri, Kamatwade Nashik (MS), Republic of India

Pin Code 422008dipak.patil@siem.org.in

dipak.patil@siem.org.inРисодкарЙ.RisodkarY.

Нашик

Yogesh RisodkarNashik

КумарА.KumarA.

Нашик

Akhilesh KumarNashik

Сандипский институт инженерии и менеджментаИндияSandip Institute of Engineering and ManagementIndia202529102025245350360Copyright © Санголе М., Гадэ С., Патиль Д., Рисодкар Й., Кумар А., 20252025Санголе М., Гадэ С., Патиль Д., Рисодкар Й., Кумар А.Sangole M., Gade S., Patil D., Risodkar Y., Kumar A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sat.bntu.by/jour/article/view/2895

Основной проблемой обработки изображений в системах автоматизированного наблюдения, медицины и дистанционного зондирования является устранение шума на изображениях. Шум типа «соль и перец» (Salt-and-pepper noise – SAPN) существенно снижает качество изображения по причине случайного и интенсивного изменения значений пикселей. При более высоких плотностях шума основной проблемой традиционных алгоритмов фильтрации становится поиск баланса между подавлением шума и сохранением деталей сигнала. При цифровой обработке изображений точность проводимых операций очень важна. Однако во время съемки и передачи изображений они часто подвергаются воздействию различных шумов. В данной исследовательской статье предлагается использовать адаптивный взвешенный среднемедианный фильтр (Adaptive Weighted Mean-Median Filter – AWMMF), который обеспечивает надежное применение метода, предназначенного для удаления шума типа «соль и перец». Размер окна фильтрации динамически регулируется в зависимости от локальной плотности шума. Адаптивный взвешенный среднемедианный фильтр объединяет взвешенную комбинацию средних и медианных значений для обеспечения улучшения качества восстановления, сохраняя при этом детали изображения. Эффективность предлагаемого алгоритма оценивается на стандартном эталонном изображении Lena и сравнивается с такими существующими методами шумоподавления, как адаптивный нечеткий медианный фильтр, быстрый и эффективный медианный фильтр, нелинейный гибридный фильтр, улучшенный адаптивный нечеткий фильтр типа 2, фильтр регенерации, глубокая сверточная сеть и адаптивный коммутационный модифицированный несимметричный усеченный медианный фильтр на основе принятия решений. При анализе качества работы предлагаемого метода учитываются следующие параметры: пиковое отношение сигнала, среднеквадратичная ошибка, индекс структурного сходства и коэффициент улучшения изображения. Адаптивный взвешенный среднемедианный фильтр обеспечивает надежное и эффективное решение для удаления шума типа «соль и перец», что позволяет использовать его для реальных приложений обработки изображений.

The primary challenge with image processing applications in automated surveillance, medical, and remote sensing is image denoising. Salt-and-pepper noise (SAPN) drastically reduces image quality by randomly changing pixel values with high intensities. At higher noise densities, the fundamental challenge for conventional filtering algorithms is to balance noise suppression and detail retention. In digital image processing applications accuracy is very important. However, during capturing and transmission, the images are exposed to various noise frequently. In this research article, an Adaptive Weighted Mean-Median Filter (AWMMF) is proposed for robust Salt-and-Pepper Noise Removal Technique. In the proposed work the filtering window size is dynamically adjusted according to the local noise density. AWMMF integrates a weighted combination of mean and median values to enhance restoration quality while preserving image details. The efficacy of the proposed algorithm is evaluated on standard benchmark Lena image and compared with existing denoising techniques like Adaptive Fuzzy Median Filter, Fast and Efficient Median Filter, Nonlinear Hybrid Filter, Improved Adaptive Type-2 Fuzzy Filter, Regeneration Filter, Deep Convolutional Neural Network and Adaptive Switching Modified Decision-Based Unsymmetric Trimmed Median Filter. For the performance analysis, the parameters considered are the Peak Signal-to-Noise Ratio, Mean Squared Error, Structural Similarity Index and Image Enhancement Factor. AWMMF provides a robust and computationally efficient solution for SAPN removal, making it suitable for real-world image processing applications.

адаптивная фильтрацияшумоподавление изображениякоэффициент улучшения изображениясреднеквадратичная ошибкашум типа «соль и перец»Adaptive FilteringImage DenoisingImage Enhancement FactorMean Squared ErrorSalt-And-Pepper NoiseReferencesErkan U., Kilicman A. (2016) Two new Methods for Removing Salt-And-Pepper Noise From Digital Images. ScienceAsia, 42 (1), 28–32, 2016.Erkan U., Kilicman A. (2016) Two new Methods for Removing Salt-And-Pepper Noise From Digital Images. ScienceAsia, 42 (1), 28–32, 2016.Alanazi T. M., Berriri K., Albekairi M., Ben Atitallah A., Sahbani A., Kaaniche K. (2023) New Real-Time HighDensity Impulsive Noise Removal Method Applied to Medical Images. Diagnostics, 13 (10), 1709. https://doi.org/10.3390/diagnostics13101709.Alanazi T. M., Berriri K., Albekairi M., Ben Atitallah A., Sahbani A., Kaaniche K. (2023) New Real-Time HighDensity Impulsive Noise Removal Method Applied to Medical Images. Diagnostics, 13 (10), 1709. https://doi.org/10.3390/diagnostics13101709.Jiang Y., Wang H., Cai Y., Fu B. (2022) Salt and Pepper Noise Removal Method Based on the Edge-Adaptive Total Variation Model. Frontiers in Applied Mathematics and Statistics, 8. https://doi.org/10.3389/fams.2022.918357.Jiang Y., Wang H., Cai Y., Fu B. (2022) Salt and Pepper Noise Removal Method Based on the Edge-Adaptive Total Variation Model. Frontiers in Applied Mathematics and Statistics, 8. https://doi.org/10.3389/fams.2022.918357.Mohan S., Paulchamy B. (2024) Removal of Salt and Pepper Noise Using Adaptive Switching Modified Decision-Based Unsymmetric Trimmed Median Filter Optimized with Hyb-BCO-FBIA. Automatika, 65 (3), 852–865. https://doi.org/10.1080/00051144.2024.2321807.Mohan S., Paulchamy B. (2024) Removal of Salt and Pepper Noise Using Adaptive Switching Modified Decision-Based Unsymmetric Trimmed Median Filter Optimized with Hyb-BCO-FBIA. Automatika, 65 (3), 852–865. https://doi.org/10.1080/00051144.2024.2321807.Rafiee A. A., Farhang M. (2023) A Deep Convolutional Neural Network for Salt-and-Pepper Noise Removal Using Selective Convolutional Blocks. Applied Soft Computing, 145, 110535. https://doi.org/10.1016/j.asoc.2023.110535.Rafiee A. A., Farhang M. (2023) A Deep Convolutional Neural Network for Salt-and-Pepper Noise Removal Using Selective Convolutional Blocks. Applied Soft Computing, 145, 110535. https://doi.org/10.1016/j.asoc.2023.110535.Hwang H., Haddad R. A. (1995) Adaptive Median Filters: New Algorithms and Results. IEEE Transactions on Image Processing, 4 (4), 499–502. https://doi.org/10.1109/83.370679.Hwang H., Haddad R. A. (1995) Adaptive Median Filters: New Algorithms and Results. IEEE Transactions on Image Processing, 4 (4), 499–502. https://doi.org/10.1109/83.370679.Esakkirajan S., Veerakumar T., Subramanyam A. N., PremChand C. H. (2011) Removal of High Density Salt and Pepper Noise Through Modified Decision Based Unsymmetric Trimmed Median Filter. IEEE Signal Processing Letters, 18 (5), 287–290. https://doi.org/10.1109/lsp.2011.2122333.Esakkirajan S., Veerakumar T., Subramanyam A. N., PremChand C. H. (2011) Removal of High Density Salt and Pepper Noise Through Modified Decision Based Unsymmetric Trimmed Median Filter. IEEE Signal Processing Letters, 18 (5), 287–290. https://doi.org/10.1109/lsp.2011.2122333.Sheela C. J. J., Suganthi G. (2020) An Efficient Denoising of Impulse Noise From MRI Using Adaptive Switching Modified Decision Based Unsymmetric Trimmed Median Filter. Biomedical Signal Processing and Control, 55, 101657. https://doi.org/10.1016/j.bspc.2019.101657.Sheela C. J. J., Suganthi G. (2020) An Efficient Denoising of Impulse Noise From MRI Using Adaptive Switching Modified Decision Based Unsymmetric Trimmed Median Filter. Biomedical Signal Processing and Control, 55, 101657. https://doi.org/10.1016/j.bspc.2019.101657.Toh K. K. V., Isa N. A. M. (2010) Noise Adaptive Fuzzy Switching Median Filter for Salt-and-Pepper Noise Reduction. IEEE Signal Processing Letters, 17 (3), 281–284. https://doi.org/10.1109/lsp.2009.2038769.Toh K. K. V., Isa N. A. M. (2010) Noise Adaptive Fuzzy Switching Median Filter for Salt-and-Pepper Noise Reduction. IEEE Signal Processing Letters, 17 (3), 281–284. https://doi.org/10.1109/lsp.2009.2038769.Singh V., Agrawal P., Sharma T., Verma N. K. (2022) Improved Adaptive type-2 Fuzzy Filter with Exclusively Two Fuzzy Membership Function for Filtering Salt and Pepper Noise. Multimedia Tools and Applications, 82 (13), 20015–20037. https://doi.org/10.1007/s11042-022-14248-2.Singh V., Agrawal P., Sharma T., Verma N. K. (2022) Improved Adaptive type-2 Fuzzy Filter with Exclusively Two Fuzzy Membership Function for Filtering Salt and Pepper Noise. Multimedia Tools and Applications, 82 (13), 20015–20037. https://doi.org/10.1007/s11042-022-14248-2.Hsieh M.-H., Cheng F.-C., Shie M.-C., Ruan, S.-J. (2013) Fast and Efficient Median Filter for Removing 1–99 % Levels of Salt-and-Pepper Noise in Images. Engineering Applications of Artificial Intelligence, 26 (4), 1333–1338. https://doi.org/10.1016/j.engappai.2012.10.012.Hsieh M.-H., Cheng F.-C., Shie M.-C., Ruan, S.-J. (2013) Fast and Efficient Median Filter for Removing 1–99 % Levels of Salt-and-Pepper Noise in Images. Engineering Applications of Artificial Intelligence, 26 (4), 1333–1338. https://doi.org/10.1016/j.engappai.2012.10.012.Irum I., Sharif M., Raza, M., Mohsin S. (2015) A Nonlinear Hybrid Filter for Salt & Pepper Noise Removal from Color Images. Journal of Applied Research and Technology, 13(1), 79–85. https://doi.org/10.1016/s1665-6423(15)30015-8.Irum I., Sharif M., Raza, M., Mohsin S. (2015) A Nonlinear Hybrid Filter for Salt & Pepper Noise Removal from Color Images. Journal of Applied Research and Technology, 13(1), 79–85. https://doi.org/10.1016/s1665-6423(15)30015-8.Liang H., Li N., Zhao S. (2021) Salt and Pepper Noise Removal Method Based on a Detail-Aware Filter. Symmetry, 13 (3), 515. https://doi.org/10.3390/sym13030515.Liang H., Li N., Zhao S. (2021) Salt and Pepper Noise Removal Method Based on a Detail-Aware Filter. Symmetry, 13 (3), 515. https://doi.org/10.3390/sym13030515.Ivković R. M., Milošević I. M., Milivojević, Z. N. (2024) Regeneration Filter: Enhancing Mosaic Algorithm for Near Salt & Pepper Noise Reduction, Sensors, vol. 25, No 1, 1–22. https://doi.org/10.20944/preprints202411.0737.v1.Ivković R. M., Milošević I. M., Milivojević, Z. N. (2024) Regeneration Filter: Enhancing Mosaic Algorithm for Near Salt & Pepper Noise Reduction, Sensors, vol. 25, No 1, 1–22. https://doi.org/10.20944/preprints202411.0737.v1.Chen Y., Huang Y., Wang L., Huang H., Song J., Yu C., Xu Y. (2022) Salt and Pepper Noise Removal Method Based on Stationary Framelet Transform with NonConvex Sparsity Regularization. IET Image Processing, 16 (7), 1846–1865. https://doi.org/10.1049/ipr2.12451.Chen Y., Huang Y., Wang L., Huang H., Song J., Yu C., Xu Y. (2022) Salt and Pepper Noise Removal Method Based on Stationary Framelet Transform with NonConvex Sparsity Regularization. IET Image Processing, 16 (7), 1846–1865. https://doi.org/10.1049/ipr2.12451.Gonzalez R. C., Woods R. E. (2018) Digital Image Processing. 4th ed. Pearson.Gonzalez R. C., Woods R. E. (2018) Digital Image Processing. 4th ed. Pearson.Zhou Wang, Bovik A. C., Sheikh H. R., Simoncelli E. P. (2004) Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing, 13 (4), 600–612. https://doi.org/10.1109/tip.2003.819861.Zhou Wang, Bovik A. C., Sheikh H. R., Simoncelli E. P. (2004) Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing, 13 (4), 600–612. https://doi.org/10.1109/tip.2003.819861.

The authors declare that there are no conflicts of interest present.