Фільтрація імпульсного шуму з випадковими значеннями на цифрових зображеннях з використанням детектору імпульсів на основі нейронної мережі

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2026.49(2).276-282

Ключові слова:

нейронні мережі, цифрові зображення, фільтрація шуму, імпульсний шум, імпульсний шум з випадковими значеннями, системний аналіз, математичне моделювання, програмна реалізація

Анотація

Сьогодні цифрові зображення активно використовуються в багатьох галузях. Їх обробка та аналіз є важливими завданнями, тому фільтрація шуму відіграє суттєву роль. У цій роботі досліджено метод фільтрації імпульсного шуму з випадковими значеннями на зображеннях із застосуванням детектора імпульсів, побудованого на основі дійснозначної нейронної мережі. Проведено експериментальні дослідження з видалення імпульсного шуму та виконано порівняння отриманих результатів із деякими існуючими підходами до його фільтрації.

Спонсор дослідження

  • Дослiдження здiйснено в рамках кафедральної науково-дослiдної роботи «Моделi i методи системного аналiзу в мiждисциплiнарних дослiдженнях» (державний облiковий номер 0125U003246).

Біографії авторів

Ю. О. Товт, ДВНЗ «Ужгородський нацiональний унiверситет»

Аспiрант кафедри системного аналiзу та теорiї оптимiзацiї

А. Ю. Брила, ДВНЗ «Ужгородський нацiональний унiверситет»

Доцент кафедри системного аналiзу та теорiї оптимiзацiї. Кандидат фiзико-математичних наук, доцент

Посилання

  1. Bovik, A. C. (2000). Handbook of image and video processing. Academic Press.
  2. Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (Fourth, global edition). Pearson Education.
  3. Ko, S.-J., & Lee, Y. H. (1991). Center weighted median filters and their applications to image enhancement. IEEE Transactions on Circuits and Systems, 38(9), 984–993. https://doi.org/10.1109/31.83870
  4. Lin, T.-C. (2007). A new adaptive center weighted median filter for suppressing impulsive noise in images. Information Sciences, 177(4), 1073–1087. https://doi.org/10.1016/j.ins.2006.07.030
  5. Abreu, E., Lightstone, M., Mitra, S. K., & Arakawa, K. (1996). A new efficient approach for the removal of impulse noise from highly corrupted images. IEEE Transactions on Image Processing, 5(6), 1012–1025. https://doi.org/10.1109/83.503916
  6. Aizenberg, I., & Butakoff, C. (2004). Effective Impulse Detector Based on Rank-Order Criteria. IEEE Signal Processing Letters, 11(3), 363–366. https://doi.org/10.1109/LSP.2003.822925
  7. Cai, Z. Q., & Lee, T. K. M. (2009). Adaptive switching median filter. 2009 7th International Conference on Information, Communications and Signal Processing (ICICS), 1–4. https://doi.org/10.1109/ICICS.2009.5397741
  8. Aghajarian, M., & McInroy, J. E. (2022). Random-Valued Impulse Noise Detection and Removal based on Local Statistics of Images. International Journal of Advanced Computer Science and Applications, 13(2). https://doi.org/10.14569/IJACSA.2022.0130201
  9. Tomasi, C., & Manduchi, R. (1998). Bilateral filtering for gray and color images. Sixth International Conference on Computer Vision (IEEE Cat. No.98CH36271), 839–846. https://doi.org/10.1109/ICCV.1998.710815
  10. Garnett, R., Huegerich, T., Chui, C., & Wenjie He. (2005). A universal noise removal algorithm with an impulse detector. IEEE Transactions on Image Processing, 14(11), 1747–1754. https://doi.org/10.1109/TIP.2005.857261
  11. Mafi, M., Izquierdo, W., Martin, H., Cabrerizo, M., & Adjouadi, M. (2020). Deep convolutional neural network for mixed random impulse and Gaussian noise reduction in digital images. IET Image Processing, 14(15), 3791–3801. https://doi.org/10.1049/iet-ipr.2019.0931
  12. Keohane, O., & Aizenberg, I. (2020). Impulse Noise Filtering using MLMVN. 2020 International Joint Conference on Neural Networks (IJCNN), 1–8. https://doi.org/10.1109/IJCNN48605.2020.9207691
  13. Tovt, Y. O., & Bryla, A. Y. (2025). Speckle Noise Filtering in Ultrasound Images Using Complex-Valued Neural Networks. Scientific Bulletin of Uzhhorod University. Series of Mathematics and Informatics, 47(2), 278–288. https://doi.org/10.24144/2616-7700.2025.47(2).278-288
  14. Deisenroth, M. P., Faisal, A. A., & Ong, C. S. (2020). Mathematics for machine learning. Cambridge University Press.
  15. Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding Machine Learning: From Theory to Algorithms (1st ed.). Cambridge University Press. https://www.cambridge.org/core/product/identifier/9781107298019/type/book
  16. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. The MIT press.

##submission.downloads##

Опубліковано

2026-04-30

Як цитувати

Товт, Ю. О., & Брила, А. Ю. (2026). Фільтрація імпульсного шуму з випадковими значеннями на цифрових зображеннях з використанням детектору імпульсів на основі нейронної мережі. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 49(2), 276–282. https://doi.org/10.24144/2616-7700.2026.49(2).276-282

Номер

Том 49 № 2 (2026)

Розділ

Iнформатика, комп’ютернi науки та прикладна математика

Ліцензія

Авторське право (c) 2026 Ю. О. Товт, А. Ю. Брила

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.