Адаптивный метод взвешенной фильтрации для удаления шума типа «соль и перец»

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.

1. Erkan U., Kilicman A. (2016) Two new Methods for Removing Salt-And-Pepper Noise From Digital Images. ScienceAsia, 42 (1), 28–32, 2016.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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.

13. 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.

14. 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.

15. 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.

16. Gonzalez R. C., Woods R. E. (2018) Digital Image Processing. 4th ed. Pearson.

17. 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.