PRELIMINARY AND SUBSEQUENT FILTERING OF NOISE IN IMAGE RESTORATION ALGORITHMS

V. S. Sizikov, R. A. Exemplyarov


Read the full article  ';

Abstract

The paper deals with noising of smeared or/and defocused images. The sequence of the noise filtering on such images is stated before elimination of the smearing/defocusing or after it. The concepts of preliminary and subsequent filtering of noise are brought in. The smearing/defocusing of a series of images is eliminated by the methods of parametric Wiener filtering and Tikhonov regularization, while the noise is filtered out by the methods of median Tuckey filtering and adaptive Wiener filtering. These questions are considered by carrying out experimental testing with obtaining numerical estimates of image restoration errors for different noise types and sequence of their filtering on representative samples. The methods of parametric Wiener filtering and Tikhonov regularization are shown to eliminate the smearing/defocusing effectively enough but noise filtering is not effective. Effectiveness of noise filtering is raised by adding such methods as the median Tuckey filter, the adaptive Wiener filter. Furthermore, an order (sequence) of filtering is important for impulse noise (before or after elimination of the smearing/defocusing depending on noise-signal situation), and for Gaussian noise the order is unessential. It is shown that an impulse noise is filtered better by the median, order, adaptive median filtering, and the Gaussian noise - by adaptive Wiener filtering, average filtering. An explanation for these effects is given.


Keywords: noisy smeared or defocused image, preliminary and subsequent filtering of noise, elimination of smearing and defocusing

References
1. Lim J.S. Two-Dimensional Signal and Image Processing. Englewood Cliffs, NJ: Prentice Hall PTR, 1990. 694 p.
2. Mesarović V.Z., Galatsanos N.P., Katsaggelos A.K. Regularized constrained total least squares image restoration // IEEE Trans. Image Processing. 1995. V. 4. N 8. P. 1096–1108.
3. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изобра- жений в информационных системах. Новосибирск: Изд-во НГТУ, 2002. 352 с.
4. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений: Специальный справоч- ник. СПб: Питер, 2002. 608 с.
5. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.
6. Воскобойников Ю.Е., Литасов В.А. Устойчивый алгоритм восстановления изображения при неточно заданной аппаратной функции // Автометрия. 2006. Т. 42. № 6. С. 3–15.
7. Воскобойников Ю.Е. Комбинированный нелинейный алгоритм восстановления контрастных изобра- жений при неточно заданной аппаратной функции // Автометрия. 2007. Т. 43. № 6. С. 3–16.
8. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. 584 с.
9. Сизиков В.С. Обратные прикладные задачи и MatLab. СПб: Лань, 2011. 256 с.
10. Экземпляров Р.А., Сизиков В.С. Устранение смазывания и дефокусирования изображений с предва- рительной фильтрацией шумов в рамках системы MatLab // Материалы XXXIX Международной кон- ференции «Неделя науки СПбГПУ». СПб: Изд-во Политехн. ун-та, 2010. Ч. XIII. С. 223–225.
11. Сизиков В.С., Экземпляров Р.А. Последовательность операций при фильтрации шумов на искажен- ных изображениях // Оптический журнал. 2013. Т. 80. № 1. С. 39–48.
12. Petrov Yu.P., Sizikov V.S. Well-Posed, Ill-Posed, and Intermediate Problems with Applications. Leiden– Boston: VSP, 2005. 234 p.
13. Горшков А.В. Улучшение разрешения изображений при обработке данных физического эксперимента и нахождение неизвестной аппаратной функции по программам пакета REIMAGE // Приборы и тех- ника эксперимента. 1995. № 2. С. 68–78.
14. Donatelli M., Estatico C., Martinelli A., Serra-Capizzano S. Improved image deblurring with anti-reflective boundary conditions and re-blurring // Inverse Problems. 2006. V. 22. N 6. P. 2035–2053.
15. Воскобойников Ю.Е., Преображенский Н.Г., Седельников А.И. Математическая обработка экспери- мента в молекулярной газодинамике. Новосибирск: Наука, 1984. 240 с.
16. Engl H.W., Hanke M., Neubauer A. Regularization of Inverse Problems. Dordrecht: Kluwer, 1996. 328 p.
17. Верлань А.Ф., Сизиков В.С. Интегральные уравнения: методы, алгоритмы, программы. Киев: Наук. думка, 1986. 544 с.
18. Воскобойников Ю.Е., Литасов В.А. Регуляризирующий алгоритм непараметрической идентификации при неточных исходных данных // Научный вестник Новосибирского государственного технического университета. 2005. № 2 (20). С. 33–45.
19. Тихонов А.Н., Гончарский А.В., Степанов В.В., Ягола А.Г. Численные методы решения некорректных задач. М.: Наука, 1990. 232 с.
20. Hansen P.C. Discrete Inverse Problems: Insight and Algorithms. Philadelphia: SIAM, 2010. 213 p.
21. Верлань А.Ф., Сизиков В.С., Мосенцова Л.В. Метод вычислительных экспериментов для решения интегральных уравнений в обратной задаче спектроскопии // Электpонное моделиpование. 2011. Т. 33. № 2. С. 3–12.
22. Захаров Д.Д., Сизиков В.С., Шемплинер В.В., Щекотин Д.С. Новые способы устранения артефактов на томографических и иных изображениях // Научно-технический вестник СПбГУ ИТМО. 2006. № 9 (32). С. 138–143.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Copyright 2001-2024 ©
Scientific and Technical Journal
of Information Technologies, Mechanics and Optics.
All rights reserved.

Яндекс.Метрика