Published January 1, 2019 | Version v1
Publication Open

An Iterative Mean Filter for Image Denoising

Creators

  • 1. Karamanoğlu Mehmetbey University
  • 2. Hue University
  • 3. University of Da Nang
  • 4. Çanakkale Onsekiz Mart Üniversitesi

Description

We propose an Iterative Mean Filter (IMF) to eliminate the salt-and-pepper noise. IMF uses the mean of gray values of noise-free pixels in a fixed-size window. Unlike other nonlinear filters, IMF does not enlarge the window size. A large size reduces the accuracy of noise removal. Therefore, IMF only uses a window with a size of $3\times3$ . This feature is helpful for IMF to be able to more precisely evaluate a new gray value for the center pixel. To process high-density noise effectively, we propose an iterative procedure for IMF. In the experiments, we operationalize Peak Signal-to-Noise Ratio (PSNR), Visual Information Fidelity, Image Enhancement Factor, Structural Similarity (SSIM), and Multiscale Structure Similarity to assess image quality. Furthermore, we compare denoising results of IMF with ones of the other state-of-the-art methods. A comprehensive comparison of execution time is also provided. The qualitative results by PSNR and SSIM showed that IMF outperforms the other methods such as Based-on Pixel Density Filter (BPDF), Decision-Based Algorithm (DBA), Modified Decision-Based Untrimmed Median Filter (MDBUTMF), Noise Adaptive Fuzzy Switching Median Filter (NAFSMF), Adaptive Weighted Mean Filter (AWMF), Different Applied Median Filter (DAMF), Adaptive Type-2 Fuzzy Filter (FDS): for the IMAGESTEST dataset - BPDF (25.36/0.756), DBA (28.72/0.8426), MDBUTMF (25.93/0.8426), NAFSMF (29.32/0.8735), AWMF (32.25/0.9177), DAMF (31.65/0.9154), FDS (27.98/0.8338), and IMF (33.67/0.9252); and for the BSDS dataset - BPDF (24.95/0.7469), DBA (26.84/0.8061), MDBUTMF (26.25/0.7732), NAFSMF (27.26/0.8191), AWMF (28.89/0.8672), DAMF (29.11/0.8667), FDS (26.85/0.8095), and IMF (30.04/0.8753).

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

نقترح مرشح متوسط تكراري (IMF) للقضاء على ضوضاء الملح والفلفل. يستخدم صندوق النقد الدولي متوسط القيم الرمادية للبكسل الخالي من الضوضاء في نافذة ذات حجم ثابت. على عكس المرشحات غير الخطية الأخرى، لا يقوم صندوق النقد الدولي بتكبير حجم النافذة. يقلل الحجم الكبير من دقة إزالة الضوضاء. لذلك، يستخدم صندوق النقد الدولي فقط نافذة بحجم 3 $\times3 $ . هذه الميزة مفيدة لصندوق النقد الدولي حتى يتمكن من تقييم قيمة رمادية جديدة للبكسل المركزي بشكل أكثر دقة. لمعالجة الضوضاء عالية الكثافة بشكل فعال، نقترح إجراءً تكراريًا لصندوق النقد الدولي. في التجارب، نقوم بتفعيل نسبة إشارة الذروة إلى الضوضاء (PSNR)، ودقة المعلومات المرئية، وعامل تحسين الصورة، والتشابه الهيكلي (SSIM)، وتشابه البنية متعددة المقاييس لتقييم جودة الصورة. علاوة على ذلك، نقارن نتائج تحليل صندوق النقد الدولي بنتائج أحدث الأساليب الأخرى. كما يتم توفير مقارنة شاملة لوقت التنفيذ. أظهرت النتائج النوعية بواسطة PSNR و SSIM أن صندوق النقد الدولي يتفوق على الطرق الأخرى مثل مرشح كثافة البكسل القائم (BPDF)، والخوارزمية القائمة على القرار (DBA)، والمرشح المتوسط غير المحدد القائم على القرار المعدل (MDBUTMF)، والمرشح المتوسط للتبديل الضبابي التكيفي للضوضاء (NAFSMF)، والمرشح المتوسط التكيفي (AWMF)، والمرشح المتوسط التطبيقي المختلف (DAMF)، والمرشح الضبابي التكيفي من النوع 2 (FDS): لمجموعة بيانات IMAGEST - BPDF (25.36/0.756)، و DBA (28.72/0.8426)، و MDBUTMF (25.93/0.8426)، و NAFSMF (29.32/0.8735)، و AWMF (32.25/0.9177)، و DAMF (31.65/0.9154)، و FDS (27.98/0338)، و IMF (33.6925 )؛ و BSDS (24.95/0469)، و DAFSMF (26.8480)، و MDBTM (26.25)، و 278، و 288، و 278، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 26، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 26، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 268، و 308، و 268، و 268، و 26، و

Translated Description (French)

Nous proposons un filtre moyen itératif (IMF) pour éliminer le bruit du sel et du poivre. IMF utilise la moyenne des valeurs de gris des pixels sans bruit dans une fenêtre de taille fixe. Contrairement à d'autres filtres non linéaires, IMF n'agrandit pas la taille de la fenêtre. Une grande taille réduit la précision de l'élimination du bruit. Par conséquent, le FMI n'utilise qu'une fenêtre d'une taille de $ 3\times3 $ . Cette fonctionnalité est utile pour que IMF soit en mesure d'évaluer plus précisément une nouvelle valeur de gris pour le pixel central. Pour traiter efficacement le bruit de haute densité, nous proposons une procédure itérative pour le FMI. Dans les expériences, nous opérationnalisons le rapport signal/bruit de crête (PSNR), la fidélité des informations visuelles, le facteur d'amélioration de l'image, la similitude structurelle (SSIM) et la similitude de structure multi-échelle pour évaluer la qualité de l'image. En outre, nous comparons les résultats de débruitage du FMI avec ceux des autres méthodes de pointe. Une comparaison complète du temps d'exécution est également fournie. Les résultats qualitatifs par PSNR et SSIM ont montré que le FMI surpasse les autres méthodes telles que le filtre de densité de pixels basé sur (BPDF), l'algorithme basé sur la décision (dBA), le filtre médian non ajusté basé sur la décision modifié (MDBUTMF), le filtre médian à commutation floue adaptatif au bruit (NAFSMF), le filtre moyen pondéré adaptatif (AWMF), le filtre médian appliqué différent (DAMF), le filtre flou adaptatif de type 2 (FDS) : pour l'ensemble de données IMAGESTEST - BPDF (25.36/0 .756), dBA (28.72/0 .8426), MDBUTMF (25.93/0 .8426), NAFSMF (29.32/0 .8735), AWMF (32.25/0 .9177), DAMF (31.65/0 .9154), FDS (27.98/0 .8338), IMF (33.67/0 .9252) ; et pour l'ensemble de données BSDS - BPDF (24.95/0 .467), dBA (26.84/0 .8061), MDBUTMF (26.27732), NAFSM (27.26/0 .191), AAMF (28.89/0 .8672), DDSF (29.117/0 .0), IMF (30.04).

Translated Description (Spanish)

Proponemos un filtro medio iterativo (IMF) para eliminar el ruido de sal y pimienta. IMF utiliza la media de los valores de gris de los píxeles sin ruido en una ventana de tamaño fijo. A diferencia de otros filtros no lineales, IMF no amplía el tamaño de la ventana. Un tamaño grande reduce la precisión de la eliminación de ruido. Por lo tanto, IMF solo utiliza una ventana con un tamaño de $ 3\times3 $ . Esta función es útil para que IMF pueda evaluar con mayor precisión un nuevo valor de gris para el píxel central. Para procesar el ruido de alta densidad de manera efectiva, proponemos un procedimiento iterativo para IMF. En los experimentos, operacionalizamos la relación señal/ruido pico (PSNR), la fidelidad de la información visual, el factor de mejora de la imagen, la similitud estructural (SSIM) y la similitud de estructura multiescala para evaluar la calidad de la imagen. Además, comparamos los resultados de denuncia del FMI con los de otros métodos de vanguardia. También se proporciona una comparación exhaustiva del tiempo de ejecución. Los resultados cualitativos de PSNR y SSIM mostraron que IMF supera a los otros métodos, como Filtro de densidad de píxeles basado en (BPDF), Algoritmo basado en decisiones (dba), Filtro de mediana no recortada basado en decisiones modificado (MDBUTMF), Filtro de mediana de conmutación difusa adaptable al ruido (NAFSMF), Filtro de media ponderada adaptable (AWMF), Filtro de mediana aplicada diferente (DAMF), Filtro difuso tipo 2 adaptable (FDS): para el conjunto de datos IMAGESTEST - BPDF (25.36/0 .756), dba (28.72/0 .8426), MDBUTMF (25.93/0 .8426), NAFSMF (29.32/0 .8735), AWMF (32.25/0 .9177), DAMF (31.65/0 .9154), FDS (27.98/0 .8338) y IMF (33.67/0 .9252); y para el conjunto de datos BSDS - BP (24.95/07469), DBA (26.84/0 .8061), MDBUTMF (26.25/0 .772), NAFS (27.26/0819), AW (28.89/086), FDS (29.886), FDS (26.87), FDS (26.88803) y FDS (30.88) .803 .753.

Files

08903303.pdf.pdf

Files (245 Bytes)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:840d7511bbe636ae3ed26f40c6c67ce5
245 Bytes
Preview Download

Additional details

Additional titles

Translated title (Arabic)
مرشح متوسط تكراري للحد من ضوضاء الصورة
Translated title (French)
Un filtre moyen itératif pour le débruitage d'image
Translated title (Spanish)
Un filtro medio iterativo para la denotación de imágenes

Identifiers

Other
https://openalex.org/W2990307067
DOI
10.1109/access.2019.2953924

Is supplement to
https://openalex.org/W2900075166 (Other)
https://openalex.org/W2898404423 (Other)
https://openalex.org/W2809636276 (Other)
https://openalex.org/W2804670208 (Other)
https://openalex.org/W2591851115 (Other)
https://openalex.org/W2509009364 (Other)
https://openalex.org/W2381128519 (Other)
https://openalex.org/W2103710811 (Other)
https://openalex.org/W2014214892 (Other)
https://openalex.org/W1975898201 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Vietnam

References

  • https://openalex.org/W1580389772
  • https://openalex.org/W1627054999
  • https://openalex.org/W1996042013
  • https://openalex.org/W2012313698
  • https://openalex.org/W2031027469
  • https://openalex.org/W2036359163
  • https://openalex.org/W2040664021
  • https://openalex.org/W2046119925
  • https://openalex.org/W2052107321
  • https://openalex.org/W2071795438
  • https://openalex.org/W2084597456
  • https://openalex.org/W2086458152
  • https://openalex.org/W2093242803
  • https://openalex.org/W2097073572
  • https://openalex.org/W2097094834
  • https://openalex.org/W2098615715
  • https://openalex.org/W2122374500
  • https://openalex.org/W2124519059
  • https://openalex.org/W2133665775
  • https://openalex.org/W2143494782
  • https://openalex.org/W2148358298
  • https://openalex.org/W2171743875
  • https://openalex.org/W2238080321
  • https://openalex.org/W2286454943
  • https://openalex.org/W2291587846
  • https://openalex.org/W2319233310
  • https://openalex.org/W2376249854
  • https://openalex.org/W2509009364
  • https://openalex.org/W2554284475
  • https://openalex.org/W2618419521
  • https://openalex.org/W2768822919
  • https://openalex.org/W2781866609
  • https://openalex.org/W2786348733
  • https://openalex.org/W2787051466
  • https://openalex.org/W2787580321
  • https://openalex.org/W2792830049
  • https://openalex.org/W2809440204
  • https://openalex.org/W2810331563
  • https://openalex.org/W2902126601
  • https://openalex.org/W2956125170
  • https://openalex.org/W2963385732