| LEADER |
04433nam a22002417a 4500 |
| 001 |
0100993 |
| 024 |
|
|
|3 10.34279/0923-006-003-010
|
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b العراق
|
| 100 |
|
|
|9 369489
|a Humood, Waleed Rasheed
|e Author
|
| 245 |
|
|
|a Energy Pixel Rule for Image Denoising Based on Slantlet Transform and K-SVD Algorithm
|
| 260 |
|
|
|b الجمعية العراقية لتكنولوجيا المعلومات
|c 2014
|
| 300 |
|
|
|a 50 - 57
|
| 336 |
|
|
|a بحوث ومقالات
|
| 520 |
|
|
|a تحتوي كل الصور الرقمية على بعض الدرجة من الضوضاء، خوارزمية أزالة الضوضاء تحاول إزالة هذا الضوضاء من الصورة. مثاليا، اللصور الناتجة بعد إزالة الضوضاء سوف تكون خالية من الضوضاء أو الضوضاء الصناعية المضافة. رفع الضوضاء من الصور الطبيعية المصابة بضوضاء جاوسن باستخدام تقنيات تحويل سلانتليت فعالة جدا بسبب قدرتها بسبب القابلية في مسك طاقة الإشارة في عدد محدد من قيم الطاقة المتحولة. في هذا البحث، معدل طاقة البكسل لكل نافذة الصورة المصابة بالضوضاء ستحسب باستخدام عملية تقدير الطاقة ثم تخزن في القاموس، الصورة المصابة بالضوضاء سوف تحلل باستخدام تحويل سلانتليت وبعد ذلك يتم تطبيق خوارزمية إزالة الضوضاء كي - اس في دي، في نفس الوقت. مرشح المتوسط المعدل يطبق أيضا لرفع الضوضاء من الصورة المصابة بالضوضاء. أخيرا، الصورة المرفوع منها الضوضاء تأتي من المقارنة بين نتائج (خورزمية كي - أس في دي ومرشح المتوسط المعدل) واختيار البكسلات الملائمة يعتمد على قيم الطاقة المخزنة في القاموس. من النتائج العلمية، الطرقية المقترحة يمكن ان تزيل بشكل كفوء ضوضاء جاوسن بينما تبقى معلومات الصورة بأقل درجة من التشويه وتعرض معايير الدقة (نسبة ذروة الإشارة للضوضاء، وجذر القيمة العظمى للخطأ) بعد تطبيق قاعدة اختيار القيمة والمقارنة مع نتائج (خورزمية كي - أس في دي ومرشح المتوسط المعدل).
|b All digital images contain some degree of noise. Image denoising algorithm attempts to remove this noise from the image. Ideally, the resulting de-noised image will not contain any noise or added artifacts. Denoising of natural images corrupted by Gaussian noise using Slantlet transformation techniques is very effective because of its ability to capture the energy of a signal in few energy transform values. In this paper, mean pixel energy for each windows of noisy image will calculate by using the Energy Estimation operation then store in a dictionary. Noisy image decomposed using Slantlet transform and then applied K-SVD algorithm noise removal. In the same time, the modified mean filter is also applied to the de-noised image for noise removal. Finally, the de-noised image get from the comparison between (modified mean with K-SVD algorithm) outputs and select the appropriate pixels depend on the energy value stored on the dictionary. From the experimental results, the proposed method can efficiently remove a single Gaussian noise while preserving the image information well with less blur and demonstrate its better fidelity criteria (PSNR and ERMS) after apply proposed pixel rule selection compared with results of modified mean and K-SVD algorithm.
|
| 653 |
|
|
|a برمجة الصور
|
| 653 |
|
|
|a الصور الرقمية
|
| 653 |
|
|
|a معالجة بيانات الصور
|
| 773 |
|
|
|4 علوم المعلومات وعلوم المكتبات
|6 Information Science & Library Science
|c 010
|e Iraqi Journal of Information Technology
|f Al-Maǧallaẗ al-ʻirāqiyyaẗ li-tiknulūǧiyā al-maʻlūmāt
|l 003
|m مج6, ع3
|o 0923
|s المجلة العراقية لتكنولوجيا المعلومات
|v 006
|x 1994-8638
|
| 856 |
|
|
|u 0923-006-003-010.pdf
|
| 930 |
|
|
|d y
|p y
|q y
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 707852
|d 707852
|
