research centers


Search results: Found 9

Listing 1 - 9 of 9
Sort by

Article
Complex Discrete Wavelet Transform-Based Image Denoising
تحويل المويجة المركب لازالة التشويش من الصور الرقمية

Authors: Hadeel N. Abdullah --- Jabir Salman Aziz --- Arshad Nadhom Mohammed
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2011 Volume: 29 Issue: 5 Pages: 833-850
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Dual tree complex discrete wavelet transform is implemented for denoising asan important image processing application. Two wavelet trees are used, onegenerating the real part of the wavelet coefficients tree and the other generating theimaginary part tree.A general computer program computing two dimensional dual tree complexwavelet transform is written using MatLab V.7.0. for a general (NxN) twodimensional signal.This paper introduces firstly a proposed method of computing one and twodimensionaldual tree complex wavelet transform .The proposed method reducesheavily processing time for decomposition of image keeping or overcoming thequality of reconstructed images. Also, the inverse procedures of all the abovetransform for multi- dimensional cases verified.Secondly, many techniques are implemented for denoising of gray scale image.A new threshold method is proposed and compared with the other thresholdingmethods. For hard thresholding, PSNR gives (13.548) value while the PSNR wasincreased in the proposed soft thresholding, it gives (14.1734) PSNR value whenthe noise variance is (20).Denoising schemes are tested on Peppers noise image to find its effect ondenoising application. The noisy version has SNR equals to (11.9373 dB), thedenoising image using WT has SNR equals to (17.4661 dB), the denoising imageusing SWT has SNR equals to (18.1459 dB), the denoising image using WPT hasSNR equals to (19.3640 dB), the denoising image using Complex DiscreteWavelet Transform has SNR equals to (21.9138 dB) using hard threshold and hasSNR equals to (22.1393 dB) using soft threshold. Matlab V.7.0 is used forsimulation.


Article
Adaptive Image Denoising Based on MACWM and NLEM Filters
رفع ضوضاء صورة متكيف بالاعتماد على مرشحات MACWM و NLEM

Loading...
Loading...
Abstract

High range types of noise can infect and corrupt digital images. Of these Noise types is the resulted from errors in the image acquisition process. This error change pixel values that not reflect the true intensities and image details vision. Several ways that noise can be introduced into an image, most of them depending on how the image is created or transmit through the network. In this paper, new proposed modifications added to Modified Adaptive Center Weighted Median filter MACWM to achieve the high accuracy in noise detection and removing especially when image corrupted by multi noise types. None Local Euclidean Median (NLEM) and Mean filters were added in these proposed modifications improved the noise wide spectrum detection. Good vision results produce from experiment the proposed system with less blur.

انواع متعددة من الضوضاء يمكن أن تصيب والصور الرقمية. من هذه الأنواع الضوضاء هو تنتجت عن أخطاء في عملية الحصول على الصور. وان هذه القيم للضوضاء تغير قيم البكسل الذي لا يعكس رؤية تفاصيل الصورة الحقيقية. العديد من الطرق يمكن إدخال الضوضاء إلى صورة، ومعظمها معتمدا على كيفية إنشاء صورة أو نقل من خلال الشبكة. في هذه البحث، وأضيفت تعديلات جديدة مقترحة لتعديل مرشح MACWM لتحقيق درجة عالية من الدقة في الكشف عن الضوضاء وإزالة خصوصا عندما الصورة افسدتها أنواع متعددة من الضوضاء. في هذه التعديلات المقترحة اضيفت مرشح NLEM و مرشح المعدل لتحسين الكشف عن طيف واسع من الضوضاء. النتائج من تجربة النظام المقترح كانت لديها رؤية جيدة مع أقل طمس.


Article
Restoration of Noisy Blurred Images Using MFPIA and Discrete Wavelet Transform
استرجاع الصور المضببة ذات الضوضاء باستخدام الخوارزمية المطورة للخوارزمية التكرارية ثابتة الطور للصور المضببة و تحويلة المويجة المتقطعة

Author: Dunia S. Tahir دنيا ستار طاهر
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2013 Volume: 9 Issue: 1 Pages: 1-15
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

In this paper, image deblurring and denoising are presented. The used images were blurred either with Gaussian or motion blur and corrupted either by Gaussian noise or by salt & pepper noise. In our algorithm, the modified fixed-phase iterative algorithm (MFPIA) is used to reduce the blur. Then a discrete wavelet transform is used to divide the image into two parts. The first part represents the approximation coefficients. While the second part represents the detail coefficients, that a noise is removed by using the BayesShrink wavelet thresholding method.

في هاا البث ,قدمت طرق إزالة التضبب و الض وضاء من الصور. جميع الصور المستخدمة مضببة إما ب (Gaussian) أو ب(Motion) و كان نوع الضوضاء إما (Gaussian noise) أو (Salt & pepper noise) .في خوارزميتنا, استخدمت الخوارزميةالمطورة للخوارزمية التكرارية ثابتة الطور للص ور المضببة لتقلل التضبب بينما استخدمت تحويلة المويجة المتقطعة لتقسيم الصورة إلى جزئيين. الجزءالأول يمثل معاملات التقريب. بينا الجزء الثاني و الاي يمثل معاملات التفاصيل سوف يقلل هاا الجزء الضوضاء بالاعتماد على طريقةBayesShrink wavelet thresholding


Article
Comparative Study of Image Denoising Using Wavelet Transforms and Optimal Threshold and Neighbouring Window
دراسة مقارنة لازالة الضوضاء من الصور باستعمال تحويلات المويجة و قيمة العتبة والنافذة المجاورة المثلى

Author: Iman M.G. Alwan ايمان محمد جعفر علوان
Journal: Journal of College of Education for Women مجلة كلية التربية للبنات ISSN: Print ISSN 16808738 /E ISSN: 2663547X Year: 2014 Volume: 25 Issue: 4 Pages: 1163-1172
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

NeighShrink is an efficient image denoising algorithm based on the discrete wavelet transform (DWT). Its disadvantage is to use a suboptimal universal threshold and identical neighbouring window size in all wavelet subbands. Dengwen and Wengang proposed an improved method, which can determine an optimal threshold and neighbouring window size for every subband by the Stein’s unbiased risk estimate (SURE). Its denoising performance is considerably superior to NeighShrink and also outperforms SURE-LET, which is an up-to-date denoising algorithm based on the SURE. In this paper different wavelet transform families are used with this improved method, the results show that Haar wavelet has the lowest performance among other wavelet functions. The system was implemented using MATLAB R2010a. The average improvement in term of PSNR between Haar and other wavelet functions is 1.37dB.

تعتبر خوارزمية (NeighShrink) لازالة الضوضاء خوارزمية كفوءة والتي تعتمد على تحويلة المويجة (DWT). ولكن من عيوب هذه الخوارزمية إعتمادها على قيمة عتبة (threshold) و حجم نافذة موحد لكل تقسيمات تحويلة المويجة. وقد تم إقتراح طريقة من قبل Dengwen وWengang يمكن من خلالها تحديد قيمة العتبة وحجم النافذة تبعا لكل حزمة ترددات من تحويلة المويجة بالاعتماد علىStein’s unbiased risk estimate (SURE).. قدمت هذه الطريقة نتائج أفضل في إزالة الضوضاء. في هذا البحث تم تطبيق انواع مختلفة من تحويلة المويجة على هذا النظام ، وقد أظهرت النتائج إن أوطأ كفاءة هي باستعمال تحويلة (Haar) حيث كان الفرق في معدل التحسين بين هذه التحويلة و الانواع الاخرى 1.73 dB.


Article
Image Denoising Using Framelet Transform
رفع الضوضاء عن الصوربأستخدام التحويل الاطاري

Authors: Ali K. Nahar --- Hadeel N. Abduallah
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 13 Pages: 2530-2550
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In many of the digital image processing applications, observed image ismodeled to be corrupted by different types of noise that result in a noisy version.Hence image denoising is an important problem that aims to find an estimateversion from noisy image that is as close to the original image as possible. In thispaper, introduces firstly was applied method of computing one and twodimensionalframelet transform .The applying method reduces heavily processingtime for decomposition of image keeping or overcoming the quality ofreconstructed images. In addition, it cuts heavily the memory demands .Also, theinverse procedures of all the above transform for multi- dimensional casesverified. Secondly, many techniques are proposed for denoising of gray scale andcolor image. A new threshold method is proposed and compared with the otherthresholding methods. For hard thresholding, PSNR gives (13.548) value whilethe PSNR was increased in the proposed soft thresholding, it gives (14.1734)PSNR value when the noise variance is (20). Some of the above denoisingschemes are tested on Peppers image to find its effect on denoising application.The noisy version with SNR is equal to (11.9373 dB), the denoising image usingWT with SNR is equal to (17.4661 dB), the denoising image using SWT withSNR is equal to (18.1459 dB), the denoising image using WPT with SNR is equalto (19.3640 dB), the denoising image using FT with SNR is equal to (21.9138dB). Finally the denoising image for color image using FT with SNR is equal to(27.3443 dB).

في العديد م  ن تطبيقا َ ت معالجة الصورة الرقمية، تصادف الصورَة م َ شكَّلةُ التشويشبالأنواعِ المختلفة م  ن الضوضاء التي تُؤ  دي إلى نسخة مشوشة من الصورة. لِذلك رفعالتشويش من الصورَة من المشاكل المهمةَ التي تُه  دفُ لإيجاد نسخ َ ة تخمينِ م  ن الصورةالمشوشة كصورة محتملة قريبة من الصورة الأصلية. تُق  دم هذه المقالة أولاً، طريقة مقترحةلحساب النقل الإطاري ذو البعد الواحد وذو البعدين. الطريق َ ة المقَترح َ ة تُخفض كثيراً من زمنمعالجة الصورة المتحللة بالإضافة لذلك، تختصر كثيرا من الذاكرة المطلوبة. أيضاً تقدمالتحويلات المعكوسة لكُلّ الطرق في التحويل الاطاري في الإبعاد المتعددة. ثانياً، اقترحتالعديد من التقنيات لرفع التشويش من الصور ذات اللون الرمادي والملون. واقترحت طريقةلتحديد حد العتبة وقورنت مع طرق تحديد العتبة الأخرى. بالنسبة لتحديد العتبة الصلب13.5483 ) عندما كان توزيع dB) هي (PSNR) كانت نسبة ال ،(Hard thresholding)فقد ،(Soft thresholding) ازداد مع تحديد العتبة المعتدل (PSNR) التشويش هو ( 20 ). ال .14.1734 ) بالوقت الذي كان فيه توزيع التشويش هو dB) مساوية إلى (PSNR) أعطى قيمة20 ) .البعض م  ن مخططات رفع التشويش أعلاه مج  ربة على صورة الفلفلِ لمعرفة تطبيقات )رفع التشويش. فإذا كانت الحالة المشوشة للصورة لها قيمة نسبة الإشارة على الضوضاء١١.٩٣٧٣ ). تكون الصورة المخمنة العائدة من رفع التشويش باستخدام dB) مساوية (SNR)١٧.٤٦٦١ ) ، والصورة المخمنة العائدة dB) مساوية إلى (SNR) التحويل المويجي لها قيمةمساوية إلى (SNR) من رفع التشويش باستخدام ثابتة التحويل المويجي لها قيمة١٨.١٤٥٩ ) ، والصورة المخمنة العائدة من رفع التشويش باستخدام حزمة التحويل dB)١٩.٣٦٤٠ )، بينما اصبحت الصورة المخمنة العائدة من dB) مساوية إلى (SNR) المويجي قيمة،(٢١.٩١٣٨dB) مساوية إلى (SNR) رفع التشويش باستخدام التحويل الإطاري لها قيمةأخيراً الصورة المخمنة العائدة من رفع التشويش باستخدام التحويل الإطاري للصورة الملونة.(٢٧.٣٤٤٣ dB) مساوية إلى (SNR) كان قيمة


Article
Comparing study using DWT / CT transforms in image denoising process
دراسة مقارنة لتحويلي (DWT/CT) المستخدمان في معالجة تنقية الصور

Author: Iman Qays Abduljaleel Amal Hameed Khaleel Suhad Muhajer Kareem ايمان قيس عبد الجليل امل حميد خليل سهاد مهجر كريم
Journal: basrah journal of science البصرة للعلوم ISSN: 18140343 Year: 2013 Volume: 31 Issue: 1A English Pages: 111-120
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

Images may contain different types of noises; removing noise from image is often the first step in image processing, and remains a challenging problem in spite of the sophistication of recent research. This paper presents an efficient image denoising scheme based on two types of multi-resolution transforms, namely, the Discrete Wavelet Transform (DWT) and the Curvelet Transform(CT). each subbands components of an uses transform are denoising using two steps: 1) passed through principal component analysis (PCA) denoising procedure. 2) The image data obtain from PCA procedure can be denoising either by hard or soft thresholding techniques. The effectiveness of the methods was compared using parameters like MSE and PSNR. We find that using CT more efficient then using DWT and the qulity of denoising increase when we using PCA denoising procedure. Use the matlab version of 8th in the different treatment stages.

تحتوي الصور أنواعا مختلفة من الضوضاء, ولهذا تعتبر محاولة إزالة هذه الضوضاء الخطوة الأولى ضمن سلسلة خطوات معالجة تلك الصورة والتي لازالت تعد تحديا للكثير من الباحثين العاملين في هذا المجال.ومن خلال هذا البحث نقدم آلية مقترحة لإزالة احد انواع الضوضاء بالاعتماد على نوعين من التحويلات المتعددة الدقة multi-resolution, وهي التحويل المويجي المتقطع Discrete Wavelet Transform(DWT) وتحويل (CT) Curvelet . وبحسب التحويل المستخدم نقوم بتنقية العناصر المكونة لكل حزمة جزئية subband من الحزم المكونة للصورة الأصلية باستخدام الخطوتين التاليتين : 1) تمرير الكتلة المحددة من العناصر إلى خوارزمية principal component analysis (PCA) .2) البيانات المنقاة التي نحصل عليها من خوارزمية PCA تنقى مرة أخرى باستخدام خوارزمية hard thresholding او خوارزمية soft thresholding. تقاس كفاءة الأنظمة المقترحة بالاعتماد على المقياسين MSE و PSNR. وقد وجدنا ان استخدام تحويل Curvelet كان أكثر كفاءة مقارنة بالتحويل المويجي المتقطع DWT , وازدادت كفاءته عند إلحاقه بخوارزمية PCA. وقد تم استخدام برنامجmatlab (R2011 a) في كل مراحل المعالجة.


Article
Energy Pixel Rule for Image Denoising Based on Slantlet Transform and K-SVD Algorithm
قانون طاقةالبكسل في ازالة ضوضاء الصور مستنداً الى تحويل سلانتليت وخوارزمية كي – أس في دي

Author: Waleed Rasheed Humood وليد رشيد حمود
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2014 Volume: 6 Issue: 3 اللغة الانكليزية Pages: 50-57
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

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 imagefor 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 experimentalresults, 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.

تحتوي كل الصور الرقمية على بعض الدرجة من الضوضاء، خوارزمية أزالة الضوضاء تحاول ازالة هذا الضوضاء من الصورة. مثالياً، اللصور الناتجة بعد ازالة الضوضاء سوف تكون خالية من الضوضاء او الضوضاء الصناعية المضافة. رفع الضوضاء من الصور الطبيعية المصابة بضوضاء جاوسن باستخدام تقنيات تحويل سلانتليت فعالة جدا بسبب قدرتها بسبب القابلية في مسك طاقة الاشارة 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 ازالة الضوضاء كي – اس في دي، في نفس الوقت. مرشح المتوسط المعدل يطبق ايضا لرفع الضوضاء من الصورة المصابة بالضوضاء. أخيراً ، الصورة المرفوع منها الضوضاء تأتي من المقارنة بين نتائج (خورزمية كي – أس في دي و مرشح المتوسط المعدل) واختيار البكسلات الملائمة يعتمد على قيم الطاقة المخزنة في القاموس. من النتائج العملية، الطرقية المقترحة يمكن ان تزيل بشكل كفوء ضوضاء جاوسن بينما تبقي معلومات الصورة باقل درجة من التشويه وتعرض معايير الدقة (نسبة ذروة الاشارة-للضوضاء ، وجذر القيمة العظمى للخطأ) بعد تطبيق قاعدة اختيار القيمة والمقارنة مع نتائج (خورزمية كي – أس في دي و مرشح المتوسط المعدل).


Article
Medical Image Denoising using Adaptive Spatial Domain Schemes with Additive Noise

Authors: Osama Qasim Jumah Al-Thahab --- Hanaa mohsin ali
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2016 Volume: 24 Issue: 9 Pages: 2317-2331
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Image denoising is one of the most significant tasks in medical image processing due to the significant information obtained by these images related to the human body or the tissues of the body’s organs. So, many methods have been proposed for removing the noise that affects the medical images. In this research a new algorithm has been proposed for denoisning medical images work in spatial domain. A new algorithm depends on the idea that combine between characteristic of different filters which work in spatial domain with adaptive sizes of windows for reaching to the acceptance results in remove noise from medical images. This algorithm called Adaptive Window Wiener Filter (AWWF). Two types of medical images and noise that corrupt these medical image used in this research. The first type is Poisson noise which corrupts X-ray medical images and the second type is Rician noise which corrupts MRI medical images. The algorithm begins with using a median filter on a noisy image to get the blurred version of the image. Then using an edge detection algorithm, the edges detection of the resulted blurred image is found by using the Prewitt operator. Then Wiener filter of variable size windows is applied throughout the noisy image to suppress the noise. The window size is made bigger in homogenous and smooth regions and is made smaller in edge and complex regions

تعد عملیة إزالة الضوضاء من الصور من ابرز المھام في مجال معالجة الصور الطبیة بسبب المعلومات المھمة المستخلصة من ھذه الصور والتي تخص الجسم البشري أو أنسجة أعضاء الجسم. لھذا السبب فقد اقترحت عدة طرق لإزالة الضوضاء من الصور الطبیة. في هذا البحث اقترحت طريقه جديدة لإزالة الضوضاء من الصور الطبية التي تعمل في المجال ألحيزي. الخوارزمية الجديدة تعتمد على فكرة الجمع بين خصائص المرشحات المختلفة التي تعمل في المجال ألحيزي مع تنويع أحجام النوافذ للوصول الى النتائج المطلوبة في إزالة الضوضاء من الصور الطبية. هذه الطريقة تدعى خوارزمية النافذة المحدثة لمرشح wiener. استخدم في هذا البحث نوعان من الصور الطبية والضوضاء التي تصيب هذه الصور. النوع الأول من الضوضاء هو ضوضاء Poisson التي تصيب صور الأشعة السينية الطبية والنوع الثاني هو ضوضاء Ricianالتي تصيب صورMRI الطبية. الخوارزمية تبدأ باستخدام المرشح الوسيط على الصور المشوشة للحصول على نسخة ضبابية من الصورة .بعدها نستخدم خوارزمية تحديد الحافات .تحديد الحافات للصورة الضبابية الناتجة أوجد باستخدام معامل Prewitt. ثم يتم تطبيق مرشح wiener مع نوافذ بأحجام مختلفة على الصورة المشوشة للتخلص من التشويش. حجم النافذة يكون كبير في المناطق الناعمة والمتشابهة ويكون اصغر في مناطق الحافة والمعقدة.


Article
Image Denoising Base on SIFT and Chaotic Hopfield Neural Network Swarm Optimization
أمنية متعددة المستويات بالأعتماد على الدوال الفوضوية و المكعب السحري

Author: Shymaa Mohammed Jameel شيماء محمد جميل
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2017 Volume: 7 Issue: 4 اللغة الانكليزية Pages: 89-105
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

Many techniques and filters were used in the image noise removal for different types of noises distributions and locations. The intelligent filters utilized the denoising functionality with a best accuracy and speed operation.In this paper, the technique suggest to image denoising uses the SIFT algorithm (Scale-invariants features transform) for detecting and describe local features in images and chaotic Hopfield neural network swarm optimization in order to detect and remove the some unwanted details and noise without blurring the denoised image.The SIFT algorithm was used to detect the local features of the important and references image features to help the chaotic neural network to avoid the wanted features without changing. Also to increase the chaotic neural network accuracy while the chaotic function used to develop the Hopfield neural network to avoid the local minima and weights optimization. An acceptable PSNR and MSE results comparing with others with a good image visions results.

مع تطور وسائل الاتصال وعلم الحاسوب وتبادل المعلومات عبر شبكات المعلومات الإلكترونية برزت الحاجة الملحة لإيجاد وسائل لحفظ المعلومات المتبادلة. فكان للتشفير دور بارز في هذا المجال. ومع تطور عمليات الاختراق أصبح بإمكان المتطفلين الاطلاع على المعلومات وتغييرها، فظهرت الحاجة إلى اعتماد تقنية أكثر تطورا وأكثر سرية وحفاظا على المعلومات. لذا تم استخدام نظام الأخفاء الذي تكون فيه المعلومات المرسلة غير مرئية لأي شخص وذلك عن طريق إخفائها داخل الوسط المرسل، مثل الصوت،الصورة، النص والفيديو. أن دمج عملية التشفير و ألأخفاء تساعد على زيادة في قوة العمل و ألأمنية اذ سيصبح من الصعب تحديد وجود أخفاء في الملف المرسل

Listing 1 - 9 of 9
Sort by
Narrow your search

Resource type

article (9)


Language

English (7)

Arabic (1)

Arabic and English (1)


Year
From To Submit

2017 (1)

2016 (1)

2015 (1)

2014 (2)

2013 (2)

More...