Subscribe to DeepL Pro to translate larger documents.
Visit www.DeepL.com/pro for more information.
Uygulamalı Bilimler ve Mühendislik Teknolojilerinde İleri Araştırmalar Dergisi 30, Sayı 1 (2023) 331-343
Uygulamalı Bilimler ve Mühendislik
Teknolojisinde İleri Araştırmalar Dergisi
Dergi ana sayfası:
https://semarakilmu.com.my/journals/index.php/applied_sciences_eng_tech/index
ISSN: 2462-1943
Dijital Görüntü İşleme ve Uygulamalarında Görüntü Gürültü Giderme
Üzerine İnceleme Çalışması
Cik Siti Khadijah Abdulah1,2 , Mohamad Nur Khairul Hafizi Rohani1,2,* , Baharuddin Ismail1,2 , Mohd
Annuar Mohd Isa1,2 , Afifah Shuhada Rosmi1,2 , Wan Azani Wan Mustafa2 , Ahmad Zaidi Abdullah1,2 ,
Wan Nor Munirah Ariffin3 , Mohamad Kamarol Mohd Jamil4
Yüksek Gerilim Geçici ve Yalıtım Araştırma Grubu, Yenilenebilir Enerji Mükemmeliyet Merkezi (CERE), Universiti Malaysia Perlis (UniMAP), Perlis,
Malezya
2 Elektrik Mühendisliği Teknolojisi Fakültesi, Universiti Malaysia Perlis (UniMAP), Perlis, Malezya
3 Mühendislik Matematiği Enstitüsü, Malezya Perlis Üniversitesi (UniMAP), Perlis, Malezya
4 Elektrik ve Elektronik Mühendisliği Fakültesi, Malezya Sains Üniversitesi (USM), Penang, Malezya
1
MAKALE BİLGİSİ
ÖZET
Makale geçmişi:
Bu makale, sayısal görüntü işleme ve uygulamaları üzerine yapılan çeşitli görüntü
gürültü giderme çalışmalarını gözden geçirmektedir. Gürültülü görüntüler, ortamdan
veya elektronik parazitlerden kaynaklanan farklı gürültüler içerir. Bu nedenle, gürültü
giderme, veri toplama sürecini bozan gürültüyü ortadan kaldırmak için çok önemlidir.
Gürültü gidermenin görüntü işleme üzerindeki etkisi, görüntüden toplanan verilerin
doğru ve kesin olmasını sağlayabilir. Ek olarak, gürültü giderme işlemi, dijital görüntü ve
uygulaması hakkındaki bilgileri geliştirmeye yardımcı olan birkaç önemli adım
gerektirmektedir. Dolayısıyla, gürültü giderme işleminin incelenmesi ve anlaşılması,
görüntü kalitesi, veri hassasiyeti ve özgüllüğü, toplanan verilerin doğruluğu gibi birçok
yönü iyileştirebilir ve her bir parametrenin yüzdesini artırabilir.
Alındı 22 Aralık 2022
Gözden geçirilmiş haliyle alındı 1 Mart
2023 Kabul edildi 8 Mart 2023
25 Mart 2023'te çevrimiçi olarak
kullanılabilir
Anahtar kelimeler:
Dijital görüntü; gürültü giderme;
Gauss; gürültü; Poisson gürültüsü;
Tuz ve Biber gürültüsü; Uzamsal alan;
Benek gürültüsü; dönüşüm alanı
1. Giriş
Görüntü, deneyden elde edilen önemli bilgileri koruyan başka bir veri biçimi olduğundan,
görüntü ön işleme, görüntü analizinin önemli bir parçasıdır. Ayrıca, görüntü analizi astronomi, tıp
alanı, uzaktan algılama, iletim ve kodlama, makine veya robot görüşü, adli bilim teknolojisi ve
endüstriyel gibi birçok uzmanlık alanında yaygın olarak kullanılmaktadır.
Bu nedenle, elde edilen görüntüdeki gürültü, bozulma nedeniyle görüntü analizi sırasında
verilerin çıkarılmasını zorlaştırabilir. Görüntülerdeki gürültü; çevresel gürültü, sinyal alma
aşamasında ortaya çıkan elektronik ve elektromanyetik parazitler, aydınlatma, kamera sensörü ve
eskiyen ekipman gibi çeşitli faktörlerden kaynaklanmaktadır [1,2].
Bir görüntü elde edildiğinde ve iletildiğinde, sıklıkla gürültü ile bozulur. Gürültü giderme,
mümkün olduğunca çok sayıda önemli sinyal özelliğini korurken katkı gürültüsünü ortadan
kaldırmaya yönelik bir tekniktir
331
Sorumlu yazar.
E-posta adresi: khairulhafizi@unimap.edu.my
*
https://doi.org/10.37934/araset.30.1.331343
332
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
[3,4]. Gürültü, genel olarak görüntü sensörleri tarafından elde edilen veri setlerini kirletir. Uygun
olmayan cihazlar, veri toplama sürecindeki sorunlar ve doğal olayların karışması, analiz sırasında
sonuçları çarpıtabilir.
Görüntü işleme üzerine yapılan az sayıda araştırmada, iletilen görüntülerin çoğunun, analiz
sonucunu büyük ölçüde etkileyebilecek Gauss, Tuz ve Biber, Speckle ve Poisson gürültüsü gibi katkı
rastgele gürültü içerdiği varsayılabilir [5,6]. Bu nedenle, etkin gürültü giderme teknikleri, veri
analizinden önce atılması gereken ve veri bozulmasını gidermek için gerekli adımlardır. Bu nedenle,
aşağıda gürültü türleri ve buna bağlı olarak gürültü giderme teknikleri tartışılacaktır.
2. Gürültü Modelleri
"Gürültü" terimi, yoğunluk seviyesindeki rastgele bir varyasyonu ifade eder. Piksellere biraz
daha fazla bilgi eklenerek gürültülü bir görüntü elde edilir. Gerçek piksel değerine gereksiz bir değer
eklendiği için görüntü piksellerinin bir kısmı doğru pikseller değildir. Gürültü matematiksel olarak iki
temel modele ayrılır: eklemeli ve çarpmalı.
Eklemeli gürültü modelinde, orijinal sinyale doğası gereği eklemeli olan gürültü sinyali eklenerek
aşağıdaki kurallar kullanılarak bozuk bir sinyal oluşturulur
𝑤(𝑥, 𝑦) = 𝑠(𝑥, 𝑦) + 𝑛(𝑥, 𝑦)
(1)
Çarpımsal gürültü modelinde, gürültü sinyali orijinal sinyalle çarpılır. Çarpımsal gürültü modeli
aşağıdaki kuralı takip eder
𝑤(𝑥, 𝑦) = 𝑠(𝑥, 𝑦) × 𝑛(𝑥, 𝑦)
(2)
s(x,y)orijinal görüntü yoğunluğu olarak tanımlanabilir ve s(x,y) (x,y)piksel konumundaki bozuk
gürültülü sinyal w(x,y)yi gösterir.
Görüntü işleme alanında eklemeli, çarpımsal ve dürtüsel (rastgele) gürültü gibi başka
sınıflandırmalar da mevcuttur. İmpuls gürültüsü, piksel değerlerini rastgele değiştiren bir gürültü
türüdür [7]. Aşağıdaki Şekil 1'de impuls gürültüsü görüntüleme sürecinde statik ve dinamik
(rastgele) gürültü olarak sınıflandırılmıştır.
Gürültü
Katkı maddesi
Çarpımsal
Impulse
Statik
Dinamik
(Rastgele)
Şekil 1. Görüntü işlemede gürültü
333
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
3. Gürültü Türü
Bir görüntünün değerini her açıdan düşüren önemli bir konu gürültüdür, görüntü kalitesini
düşürür. Ayrıca, bazı önemli görüntü ayrıntıları gizlenir ve segmentasyon ve kenar algılama gibi
sonraki işlemlerde sorunlara neden olur. Gürültü ayrıca insan gözleminin nesneleri daha kapsamlı
bir şekilde teşhis etme yeteneğini de azaltır.
Görüntü iyileştirmede, sinyali bozabilecek çeşitli nedenlerden dolayı ortaya çıkan çok sayıda
gürültü vardır. Gürültü sinyalinin özelliklerinin yanı sıra olasılıksal özellikleri de onu ayırt edebilir
[8,9]. Aşağıdaki alt bölümde dijital görüntülerdeki gürültü modelleri, türleri ve kategorileri ele
alınmıştır.
3.1 Gauss Gürültüsü
Tanım Gauss gürültüsü, normal dağılımla aynı olasılık yoğunluk fonksiyonuna (PDF) sahip
istatistiksel bir gürültüdür, Gauss dağılımı olarak bilinen eklemeli gürültü olarak da adlandırılır. Başka
bir deyişle, piksellerin her biri belirli bir dağılıma göre değiştirildiği için gürültünün olası değerleri
Gauss dağılımlıdır. Beyaz Gauss gürültüsü, zaman içinde herhangi iki noktadaki değerlerin eşit olarak
dağıldığı ve istatistiksel olarak bağımsız (ilişkisiz) olduğu özel bir örnektir [9,10]. Gauss gürültüsü,
uygulamalarda en çok eklemeli beyaz Gauss (AWG) gürültüsünü kabul etmek için eklemeli beyaz
gürültü olarak kullanılır. Gauss modeli aşağıdaki gibi sunulabilir:
𝑃(𝑔) = √
1
𝑒
(𝑔-𝜇)2
- 2𝜎2
(3)
2
2𝜋𝜎
Burada, g = gri değer, σ = standart sapma ve µ = ortalamadır. Genel olarak Gauss gürültüsü
matematiksel modeli gerçek dünya senaryolarının doğru yaklaşımını temsil eder. Aşağıdaki Şekil
2'de Gauss gürültüsü ile bozulmuş görüntü gösterilmektedir.
Şekil 2. Gauss gürültülü Gauss gürültülü Lena görüntüsü [11]
3.2 Darbe Gürültüsü
Görüntü işlemede, dürtü gürültüsü görüntü boyunca rastgele dağıtılır ve piksellerle ilişkisizken
bağımsızdır. İmpuls gürültüsü ile bozulmuş bir görüntüde, görüntünün bir kısmı gürültüsüz iken
diğer bir kısmı gürültülü olacaktır [12,13]. Dürtü gürültüsünde ortaya çıkan farklı gürültü türleri tuz
ve biber ve keyfi değerli dürtü gürültüsüdür.
334
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Tuz ve biber gürültüsü yaygın olarak görülen ve dürtü gürültüsü olarak da adlandırılabilen bir
görsel gürültü türüdür. Görüntüdeki dağınık bozukluk, rastgele görünen beyaz ve siyah pikseller
olarak ortaya çıkar ve aşağıdaki Şekil 3'te gösterildiği gibi görüntüdeki birkaç pikselin renginin
solmasına neden olur [14]. Medyan filtre, morfolojik filtre veya karşı harmonik ortalama filtre bu tür
gürültüler için etkili gürültü azaltma teknikleridir. Tuz ve biber gürültüsü, uygunsuz anahtarlama gibi
hızlı geçişler meydana geldiğinde görüntülerde ortaya çıkar.
Şekil 3. Tuz Biber Tuz ve Biber gürültülü Lena
görüntüsü [11]
Tuz ve biber gürültüsü için, alınan pikseller ya tuz değerine (gri seviyeler 255'e eşittir) ya da
biber değerine (gri ölçek 0'a eşittir) sahiptir. Sunulan görüntü siyah ve beyaz lekelerin varlığına sahip
olacaktır [8,15]. Tuz ve biber dürtü gürültüsünde ortaya çıkan iki gürültüden biri iken, bu gürültü
sırasıyla toplam gürültünün yarısını almıştır. O halde p'nin toplam gürültü yoğunluğu olduğu,
dolayısıyla tuz ve biberin görüntü yoğunluğunun p/2'sine sahip olacağı sonucuna varılabilir. Bu
matematiksel olarak aşağıdaki gibi gösterilebilir.
𝑌𝑖𝑗 = {
0 𝑜𝑟 255 𝑤𝑖𝑡ℎ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑝
𝑥𝑖𝑗 𝑤𝑖𝑡ℎ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 1 - 𝑝
(4)
Burada yij gürültülü görüntü pikselini, dürtü gürültüsünün toplam gürültü yoğunluğunu ve xij bozulmamış
görüntü pikselini gösterir. Bazen tuz gürültüsü ve biber gürültüsü farklı gürültü yoğunluklarına sahip
olabilir ve bu nedenle toplam gürültü yoğunluğu p=p1+p2 olacaktır.
Rastgele değerli dürtü gürültüsü için ise 0 ile 225 arasındaki gri seviye değeri rastgele
seçilecektir. Bu durumda, gürültü tüm görüntü üzerinde rastgele dağıtılır ve herhangi bir gri seviye
değerinin gürültü olarak görülme olasılığı aynı olacaktır. Böylece, rastgele değerli dürtü gürültüsü
matematiksel olarak aşağıdaki denklemde gösterilir.
𝑌𝑖𝑗
={
𝑛𝑖𝑗 𝑤𝑖𝑡ℎ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑝
𝑥𝑖𝑗 𝑤𝑖𝑡ℎ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 1 - 𝑝
(5)
Burada nij gürültülü piksellerin gri seviye değeridir.
3.3 Poisson Gürültü
Görüntü dedektörlerinin ve kayıt cihazlarının doğrusal olmayan tepkisi Poisson gürültüsü
oluşumunu etkiler. Bu gürültü çoğunlukla zayıf veya düşük aydınlatma koşullarında ortaya çıkar ve
görüntü verisi toplama sürecine dayanır.
335
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Görüntü verisine bağlı terim, ortalama yanıt değerine sahip bir Poisson dağılımına sahip rastgele
elektron emisyonu ile ilgili görüntü algılama ve kayıt süreçleri nedeniyle ortaya çıkar. Bir zehir
dağılımının ortalaması ve varyansının aynı olması nedeniyle, gürültünün tek bir varyansa sahip
olduğu varsayılırsa, görüntüye bağlı terim bir standart sapmaya sahiptir [16,17]. Bu gürültü Poisson
dağılımına uyacak şekilde aşağıdaki gibi formüle edilir.
𝜆𝑘𝑖𝑒-𝜆
(6)
𝑃(𝑓(𝑝𝑖)) = 𝑘 =
𝑘!
Aşağıdaki Şekil 4, dijital görüntülerde Poisson gürültüsünün dağılımını göstermektedir.
Şekil 4. Poisson gürültülü Poisson gürültülü Lena görüntüsü [11]
Poisson-Gaussian gürültü dağılımında ise Poisson dağılımını taşıyan model Gaussian dağılımını
takip eder. Poisson-Gaussian gürültü modeli aşağıdaki şekilde gösterilebilir.
𝑍(𝑗, 𝑘) = 𝛼 ∗ 𝑃𝛼 (𝑗, 𝑘) + 𝑁𝛼 (𝑗, 𝑘)
(7)
Burada, Pα Poisson dağılımını ve Nα Gauss dağılımını sembolize etmektedir [18]. Aşağıdaki Şekil
5 Poisson-Gaussian gürültü görüntülerini göstermektedir.
Şekil 5. Poisson-Gaussian gürültülü ev
görüntüsü Poisson-Gaussian gürültülü ev
görüntüsü [18]
3.4 Benek Gürültüsü
Bu tür gürültü dağınık yansıma, aşağıdaki Şekil 6'da gösterildiği gibi, analiz sırasında gözlemcinin
görüntünün ince ayrıntılarını ayırt etmesini engelleyen karmaşık bir olay haline getirir.
336
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Şekil 6. Benek gürültülü Benek gürültülü Lena görüntüsü [11]
Görüntülerdeki benek gürültüsünün varlığı, bir gama dağılımını takip eden tutarlı geri dönüşler
arasındaki rastgele girişimden kaynaklanır [19]. Denklem aşağıdaki gibi verilir.
𝐹(𝑔) =
-𝑔
𝑔𝛼-1𝑒 𝑎
(8)
𝛼-1!𝑎𝛼
4. Gürültü Giderme Tekniklerinin Sınıflandırılması
Araştırmacılar görüntü gürültü giderme teknikleri için birçok yöntem önermişlerdir, bunun
nedeni dijital görüntü işlemede meydana gelen gürültü bozulmasıdır [20,21]. Çalışma, kenarlar,
köşeler ve diğer keskin yapılar gibi görüntü özelliklerini kaybetmeden gürültüyü azaltmak için
gereklidir. Bu nedenle, gürültü giderme teknikleri bir sonraki alt bölümde tartışılmaktadır. Bununla
birlikte, tartışılan tekniklerin her birinin görüntü işlemede kendi desteği vardır, bu gelecekteki
araştırmalarda umut verici yön için bir referans olarak kullanılacaktır. Aşağıdaki Şekil 7'de filtreler
diyagramı gösterilmektedir.
Şekil 7. Görüntü gürültü giderme tekniklerinin sınıflandırılması
4.1 Uzamsal Filtre
Bu tür filtreler Doğrusal Filtreler ve Doğrusal Olmayan Filtreler olmak üzere iki kategoride
sınıflandırılabilir. Uzamsal filtrelerin kullanılması, görüntünün durumlarının eklemeli gürültü
varlığına sahip olduğu durumlarda tercih edilir, bu nedenle uzamsal filtre kullanılır.
Yalnızca eklemeli gürültünün mevcut olduğu bir durumda, gürültüyü gidermek için tercih edilen
en iyi yöntem doğrusal bir filtredir. MSE açısından, ortalama filtre Gauss gürültüsü için en iyi
doğrusal filtredir. Keskin kenarlar bulanıklaşır, çizgiler silinir ve görüntünün diğer ince özellikleri yok
olur. MSE açısından
337
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
MSE, ortalama filtre Gauss gürültüsü için en iyi doğrusal filtredir. Wiener filtreleme yaklaşımı ise
gürültü ve orijinal sinyal spektrumları hakkında bilgi sahibi olmayı gerektirir ve yalnızca altta yatan
sinyal düzgünse iyi çalışır [3,22]. Wiener yaklaşımı uzamsal yumuşatma ve model karmaşıklığı
kontrolü uygular ve pencere boyutu seçimine karşılık gelir.
Ortalama filtre için, bitişik pikseller arasındaki yoğunluk dalgalanmalarını en aza indirerek, bu
filtre bir görüntüyü yumuşatır. Ortalama filtresi bir tür ortalama filtresidir. Sinyaldeki her piksele bir
maske verilir. Sonuç olarak, maskenin içine düşen bir pikselin her bileşeninin ortalaması alınarak tek
bir piksel oluşturulur. En büyük sorun, Ortalama filtrenin kenar koruma gereksinimlerinin yetersiz
olmasıdır [23].
Ortalama filtresi basitçe, çekirdek penceresinin orta kısmındaki piksel değerini tüm piksel
değerlerinin ortalamasıyla değiştiren bir kayan pencere filtresi ile çalışır [24]. Şekil 8'de ortalama
filtre çekirdek konvolüsyonu gösterilmektedir. Bu tür filtreler Doğrusal Filtreler ve Doğrusal
Olmayan Filtreler olmak üzere iki kategoride sınıflandırılabilir. Uzamsal filtrelerin kullanılması,
görüntünün durumlarının eklemeli gürültü varlığına sahip olduğu durumlarda tercih edilir, bu
nedenle uzamsal filtre kullanılır.
17
21
42
14
64
54
13
62
61
Değiştirme
merkez piksel
17
21
42
14
39
54
13
62
61
Şekil 8. Görüntü gürültü giderme tekniklerinin sınıflandırılması
𝑀𝑒𝑎𝑛 = (17 + 14 + 13 + 21 + 64 + 62 + 42 + 54 + 61)/9 = 38,8889 ≈ 39
(9)
Bu nedenle, Ortalama filtre MSE açısından Gauss gürültüsü için en uygun filtredir. Wiener filtresi
ise, bir sinyale zarar veren gürültüyü filtrelemek için istatistiksel tabanlı bir filtredir ve bu filtre
istenen frekans cevabını elde etmek için kullanılabilir. Wiener filtresi, farklı bir açıdan filtreleme
yaparak filtrelemek için farklı bir yöntem kullanır [24,25]. Bu nedenle, filtreleme işlemlerini
gerçekleştirmek için orijinal sinyalin ve gürültünün spektral özelliklerini anlamak gerekir. Koşulların
sağlanmasıyla, çıkışı orijinal sinyale mümkün olduğunca benzer olacak doğrusal zamanla
değişmeyen (LTI) filtre elde edilebilir. Bunun nedeni, filtrelerin çıkışının matematiksel olarak girişin
dürtü yanıtı ile konvolüsyonu olarak ifade edilmesidir. Wiener filtresinin amacı, orijinal görüntü ile
yeni üretilen görüntü arasındaki farkın mümkün olduğunca az olması gereken minimum ortalama
kare hatasına (MSE) sahip olmaktır. Wiener filtresinin denklemi aşağıdaki gibidir:
𝑊(𝑥, 𝑦) =
𝐻∗(𝑥,𝑦) (𝑥,𝑦)
𝑆𝑓
||𝐻(𝑥,𝑦)||2𝑆
𝑓 (𝑥,𝑦)+𝑆 𝑛(𝑥,𝑦)
(10)
Burada H(x,y) bozunma fonksiyonu, H*(x,y) ise bozunma fonksiyonunun karmaşık eşleniğidir.
H(x,y)||2 = H(x,y)H*(x,y) fonksiyonu, bozunma fonksiyonunun kompleks eşleniği olan toplam
bozunma süresidir. Bu arada, Sn (x,y) ve Sf (x,y) gürültü güç spektrumu ve bozulmamış veya orijinal
görüntünün güç spektrumudur. Sonuç olarak, doğrusal filtreler görüntü veya video kontrastı
geliştirme, gürültü giderme ve keskinleştirme gibi genel amaçlı görevler için kullanılır. Ayrıca,
doğrusal filtreler hedef eşleştirme ve özellik geliştirme gibi nesneye veya özelliğe özgü görevler için
de çalışır.
Uzamsal filtreler, gürültünün spektrumun yüksek frekans aralığında yoğunlaştığını varsayarak
piksel gruplarına düşük geçişli filtreleme uygular. Normalde, uzamsal filtreler gürültüyü büyük
ölçüde azaltır, ancak resim kenarlarını gizleyen ve resmi görünmez hale getiren görüntüleri
bulanıklaştırma pahasına. Bu nedenle, doğrusal olmayan filtreler çarpımsal gürültüyü tanımlamaya
gerek kalmadan ortadan kaldırabilir. Son zamanlarda birkaç doğrusal olmayan filtre oluşturulmuştur.
338
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Medyan filtre, görüntüdeki her pikseli tek tek inceleyen ve çevresini temsil edip etmediğini
belirlemek için komşularıyla karşılaştıran en temel doğrusal olmayan filtredir. Piksel değerini
yalnızca yakındaki piksel değerlerinin ortalamasıyla değiştirmek yerine, bu değerlerin medyanı
kullanılır.
Görüntü işlemede Medyan filtreleri, veri toplama veya veri aktarımı sırasında görüntüde ortaya
çıkan Gauss, tuz ve biber ve rastgele gürültü gibi çarpımsal gürültüyü gidermek için uygulanır. Daha
önce de belirtildiği gibi Medyan filtresi, gelen tüm verileri pencere olarak bilinen bir Medyan
fonksiyonu ile taradığı için gürültü giderme sırasında kenarları korur.
Pencere sayısı tek veya çift olarak ayarlanır, bir M×M komşusunun merkez pikseli ilgili
pencerenin medyan değeri ile değiştirilir. M×M, tüm görüntü üzerinde hareket eden 3×3, 5×5 veya
7×7 piksel çekirdeği olarak sunulabilir. Çekirdek konvolüsyon kavramı Şekil 9'da aşağıdaki gibi
gösterilebilir.
Şekil 9. 3×3 Komşuluk 3×3 Komşu
Medyan filtresindeki hesaplamalar, çevredeki komşu piksel değerinin artan veya azalan sıraya
göre sıralanmasıyla yapılır, ardından ortadaki piksel değeri varsayılır ve işlem tüm pikseller sayılana
kadar tekrarlanır.
4.2 Dönüşüm Alanı Filtreleme
Dönüşüm alanı tekniği, açıklaması biraz daha zor olmasına rağmen oldukça etkilidir. Bu
filtreleme tekniğinde, temel fonksiyonların seçimi sınıflandırmayı büyük ölçüde etkiler. Veri
uyarlamalı olmayan ve veri uyarlamalı temel fonksiyonlar iki tür fonksiyondur. Az sayıda araştırmacı,
daha sık kullanıldığı için çoğunlukla veri uyarlamalı olmayan dönüşümlere odaklanmaktadır [4,26].
Veri uyarlamalı dönüşümde, Bağımsız Bileşen Analizi (ICA) son zamanlarda yaygın ilgi gören yeni
bir yöntemdir. Gauss olmayan veriler ICA yaklaşımı kullanılarak başarılı bir şekilde gürültüden
arındırılmıştır. ICA kullanmanın avantajlarından biri, Gauss olmayan bir sinyal varsaymasıdır, bu da
hem Gauss olmayan hem de Gauss dağılımlarına sahip görüntülerin gürültüden arındırılmasını
kolaylaştırır. ICA tabanlı yaklaşımların hesaplama maliyeti dalgacık tabanlı yaklaşımlardan daha
yüksektir çünkü kayan bir pencere kullanır ve gürültüsüz veri örneği veya aynı sahneden en az iki
görüntü karesi gerektirir. Bazı uygulamalarda gürültüsüz eğitim verisi elde etmek zor olabilir.
Bu nedenle, veri uyarlamalı olmayan filtreler, her ikisi de uzamsal frekans alanı ve dalgacık alanı
olarak bilinen iki farklı sınıfa ayrılır. Uzamsal frekans filtreleme, FFT ile alçak geçiren filtreler kullanır.
Tasarlamak için kesme frekansı önceden tanımlanır ve bu filtre kesme frekansından daha yüksek
tüm frekansları zayıflatırken kesme frekansından daha düşük tüm frekansları geçirir. Frekans
alanında filtreleme yaparak, 2D Fourier dönüşümleri ve bir filtre çarpımı, görüntü (uzamsal)
alanında bir konvolüsyon gerçekleştirmekten hesaplama açısından daha hızlıdır.
Dalgacık dönüşümü, gürültü giderme tekniğinde en çok çalışılan dönüşümdür; bu nedenle DWT,
minimum sayıda katsayıda bir sinyal enerjisi konsantresi oluşturur, bu nedenler araştırmacının
dalgacık alanı ile çalışmayı seçmesine neden olur. Böylece, DWT'nin az sayıda katsayısı
339
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
SNR'yi artırır ve bunun tersi de geçerlidir. Dalgacık filtreleme teknikleri zamansal ve frekans
lokalizasyonunu aynı anda sağlama avantajına sahiptir [27].
Ayrıca, dalgacık yaklaşımları bu tür sinyalleri orijinal etki alanından veya Fourier dönüşümü gibi
küresel temel elemanları olan dönüşümlerden çok daha iyi karakterize etmektedir. Bununla birlikte,
dalgacık taban seçimine dayandığı için dalgacık alanının kullanımında bir sınırlama vardır, bu
nedenle seçim uygun değilse dalgacık alanında gösterilen görüntünün net bir şekilde
sunulamamasına neden olabilir.
5. Gürültü Giderme Yöntemleri ve Uygulamaları
Bu bölümde yüzey basıncı ölçüm çalışmasından elde edilen sonuçlar tartışılmaktadır. Hücum
açısı, Reynolds sayısı ve ön kenar körlüğünün etkileri bir sonraki alt bölümde ele alınmaktadır. Dijital
görüntü işlemenin analog görüntü işlemeye kıyasla çok sayıda avantajı vardır. Görüntü işleme,
görüntü işleme sırasında gürültü birikimi ve sinyal bozulması gibi sorunlardan kaçınarak giriş
verilerine çok daha geniş bir yöntem yelpazesinin uygulanmasını sağlar. Gauss gürültüsü, tuz ve
biber gürültüsü, benek gürültüsü ve zehir gürültüsü gibi farklı gürültü türleri genellikle gürültü
giderme işlemine geçmeden önce görüntü iyileştirme için kullanılır.
Mevcut araştırmalar, görüntünün gürültüden arındırılmasının oynadığı kritik rolü kabul
etmektedir, dolayısıyla Remenyi ve ark,
[28] dalgacık dönüşümü sürecini doğrusal olmayan filtrelere kıyasla ayrıntılı olarak açıklamaktadır.
Dalgacık dönüşümü, doğrusal olmayan filtrelerden farklı olarak görüntülerin küresel çok ölçekli
analizine dayanır. Tek bir dalgacık fonksiyonunun zaman-frekans lokalizasyonunun bir sınırı olduğu
iyi bilinmektedir. Çok dalgacıklı bir filtre bankası kullanılarak görüntünün gürültüden arındırılması
için bir yöntem geliştirilmiştir. Dalgacık alanında gürültü giderme, esasen orijinal sinyalin optimal bir
tahminini elde etmeyi gerektirir. Sonuç olarak, gürültü giderme için dalgacık temeli, dalgacık
katsayılarının optimum bir tahmininin orijinal sinyalin ideal bir tahminine dönüştürülebilmesi için
dikkatlice seçilmelidir.
Scapaticci ve diğerleri tarafından dalgacık dönüşümü üzerine yapılan bir çalışmada [29], gürültü
giderme algoritmasını iyileştirmek için işlem sonrası evrim giderme uygulanmıştır. Bu çalışmada
araştırmacı, temel dalgacık tabanlı görüntü bulanıklaştırma tekniğinin performansını sunmak
amacıyla orijinal görüntüyü bozmak için bir bulanıklaştırma fonksiyonu oluşturmuştur. Önerilen
yaklaşımın faydası, negatif olmayan Garrote Curvelet küçültme kuralı ve UDW katsayılarından
gürültüden arındırılmış resimlerin yeniden yapılandırılması olarak gösterilmiştir. Sonuçlar, bu
stratejinin görüntü kalitesini artırdığını ve özellikle görüntü önemli ölçüde AWG gürültüsünden
etkilendiğinde MSE'yi azalttığını göstermektedir.
Görüntü restorasyonu, dijital görüntü işlemede, hareket bulanıklığı, gürültü ve çevresel etkiler
ve kamera odak hatası gibi diğer faktörler tarafından üretilen bulanık ve gürültülü görüntülerden
bozulmuş orijinal görüntüyü kurtarmak için kullanılan bir tekniktir. Hareket bulanıklığı ve rastgele
gürültü ile bozulmuş bir araba örnek görüntüsünü geri yüklemek için kullanılan ters ve wiener
filtreleri üzerine yapılan önceki çalışmaya atıfta bulunulmuştur [30]. Bu nedenle, bozulmuş görüntü
için doğru bir bozulma fonksiyonu modellenebilirse, ters filtreler görüntü restorasyonunda kullanışlı
bir filtre olarak bilinir. Görüntüler gürültüler tarafından bozulmamış olsa bile, yine de takdire şayan
bir performans sergiler.
Bununla birlikte, görüntüler gürültüler tarafından bozulduğunda, gürültü nedeniyle yüksek
geçiren filtreler yüksek frekanslı olma eğiliminde olduğundan, ters filtrenin performansı önemli
ölçüde düşer. Wiener filtresi ise bir alçak geçiren ve bir yüksek geçiren filtreyi birleştirerek
görüntüdeki ek gürültünün varlığında aktif olarak çalışmasını sağlar. Wiener filtresi, hareket
bulanıklığını tersine çevirmek için yüksek geçişli filtreleme işlemi olarak da bilinen bir de-convolution
işlemi ve ek gürültüleri gidermek için sıkıştırma işlemi gerçekleştirir [8,31,32]. Bu çalışmada bozuk
340
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
görüntüye hem ters hem de wiener filtreleri uygulanmış ve karşılaştırmalar yapılmıştır. Çalışmanın
sonucu, gürültünün olmadığı durumlarda, her iki filtrenin de orijinal görüntüyü bozulmuş
muadilinden yeniden yapılandırmada iyi çalıştığını göstermektedir. Ancak, katkı gürültüsü mevcut
olduğunda, wiener filtresi restorasyon açısından ters filtrelemeden daha iyi performans
göstermektedir.
341
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Geniş bir çalışma ve çalışma alanında faydalı olması nedeniyle görüntü işleme konusunda önemli
miktarda literatür yayınlanmıştır, bu nedenle gürültü giderme teknikleri, işlem sırasında ortaya çıkan
soruna sağladığı faydaya bağlı olarak değişir. Bazı teknikler işe yarayabilir, bazıları ise belirli sınırlarla
sınırlıdır. Bu nedenle, görüntü işleme üzerine derinlemesine bir çalışma muhtemelen o zamanki
sınırlamaların bazılarını çözecek ve görüntü restorasyonunun iyileştirilmesine yardımcı olacaktır.
Ayrıca, dalgacık yaklaşımları bu tür sinyalleri orijinal etki alanından veya Fourier dönüşümü gibi
küresel temel öğelere sahip dönüşümlerden çok daha iyi karakterize eder. Bununla birlikte, dalgacık
taban seçimine dayandığı için dalgacık alanının kullanılmasında bir sınırlama vardır, bu nedenle
seçim uygun değilse dalgacık alanında gösterilen görüntünün net bir şekilde sunulamamasına neden
olabilir. Tablo 1'de gürültü giderme yöntemleri ve uygulamaları gösterilmektedir.
Tablo 1
Gürültü giderme yöntemleri ve uygulamaları
Referans
Amaç
Remenyi ve diğerleri,
[28]
Bu makale, bir Bayesian model
tekniği önermektedir.
karmaşık ölçek-karıştırma ayrık initary
kompakt destekli dalgacıklar
Scapaticci ve diğerleri,
[29]
Bu makale zorlu bir sorunu çözmeyi
amaçlamaktadır
Kantitatif Mikrodalga görüntüleme
için robust yöntem kullanılarak
doğrusal olmayan ve kötü pozlanmış
elektromanyetik ters saçılma
problemi
(MWI) tıbbi uygulamalarda
Önerilen Ters ve Wiener
Bu makaledeki filtreler, gürültülü
görüntüyü rastgele gürültüden geri
yüklemek içindi
özellikle hareket bulanıklığı ve
gürültülü hareket bulanıklığı olan
görüntüler eklendi
Bu makale farklı bir CNN önerdi
detaylandırılmış teknikler
ve gelecekteki araştırmalar için
potansiyel zorluklar ve yönler için
çalışıldı
Bu makale açık kaynak önermektedir
tarafından BM3D yönteminin
uygulanması
bir grup benzer 2D görüntü yamasını
3D gruplar halinde geliştirmek
Bu makale temel konuları
tartışmaktadır
bulanık görüntüler üzerinde Wiener ve
BM3D filtresi uygulayarak filtreleme
teorisindeki yöntemleri kullanmıştır.
Bozulmuş görüntüler önce parametrik
Wiener filtreleme ile Fourier uzayında
çözülmüş, ardından BM3D filtresi
uygulanmıştır.
gürültüyü ortadan kaldırmak için
Khan ve diğerleri, [30]
Ilesanmi ve diğerleri,
[8]
Lebrun [31]
Mbarki ve diğerleri,
[33]
Gürültü Giderme
Yöntemleri
Dalgacık küçültme
yöntemleri
kullanılarak
karmaşık değerli
dalgacık
dönüşümleri
Dalgacık Tabanlı
Rust mikrodalga
görüntüleme için
düzenleme
Uygulamalar
Ters ve Wiener
filtreleme
Dijital görüntü
restorasyon
(arabanın
fotoğrafı)
Konvolüsyonel nöral
ağı (CNN)
Dijital Görüntü
Blok Eşleştirme ve
3D filtreleme (BM3D)
Dijital görüntüler
(Valldemosa'nın
fotoğrafı)
Wiener filtresi ve
Blok Eşleştirme ve
3D filtreleme
(BM3D)
Kör olmayan
görüntü
restorasyon
şeması
Dijital görüntü
restorasyonu
(Lenna fotoğrafı)
Tıbbi görüntüleme
uygulamalar
342
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
Ön işleme aşamasında, Medyan
önce istenmeyen gürültüyü ortadan
kaldırmak için filtreleme yapmak
üzere kan hücresi görüntülerine filtre
uygulanmıştır.
renk dönüştürme ile devam etme
Sigit ve diğerleri, [34]
Medyan filtre
İnsan kan hücreleri
(Lösemi
hastalıklarının
tanımlanması)
343
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
6. Sonuçlar
Dijital görüntü işleme, analog görüntü işlemeye göre çeşitli avantajlara sahiptir. Görüntü işleme,
gürültü oluşumu ve sinyal bozulması gibi endişeleri ortadan kaldırarak giriş verilerine çok daha fazla
prosedür seçeneği uygulanmasına olanak tanır. Gürültü giderme işlemine başlamadan önce,
görüntüyü iyileştirmek için Gauss gürültüsü, tuz ve biber gürültüsü, benek gürültüsü ve zehir
gürültüsü gibi çeşitli gürültü türleri yaygın olarak kullanılmaktadır. Bu nedenle, bu makale mevcut
gürültü ve gürültü giderme tekniklerini Tablo 1'e göre değerlendirerek ve detaylandırarak gözden
geçirmekte ve incelemektedir. Son olarak, inceleme, gürültü giderme analojisini ve gelecekteki
çalışmalarda uygulanmasını anlamaya yardımcı olmaktadır.
Teşekkür
Yazarlar, Temel Araştırma Hibe Programı FRGS/1/2020/TK0/UNIMAP/02/17 kapsamında finansal
olarak desteklenen Malezya Yükseköğretim Bakanlığı'na teşekkür eder.
Referanslar
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
Akashah, N. A., M. N. K. H. Rohani, A. S. Rosmi, M. Isa, N. Rosle, B. Ismail ve C. L. Wooi. "Bir inceleme: Yüksek
gerilim transformatöründe akustik sensör kullanarak kısmi deşarj tespiti." Fizik Dergisi'nde: Konferans Serisi, cilt.
1432, no. 1, s. 012004. IOP Yayıncılık, 2020. https://doi.org/10.1088/1742-6596/1432/1/012004
Roslizan, N. D., M. N. K. H. Rohani, C. L. Wooi, M. Isa, B. Ismail, A. S. Rosmi ve W. A. Mustafa. "Bir inceleme:
Yüksek gerilim ekipmanlarında UHF sensörü kullanarak kısmi deşarj tespiti." Fizik Dergisi'nde: Konferans Serisi,
cilt. 1432, no. 1, s. 012003. IOP Yayıncılık, 2020. https://doi.org/10.1088/1742-6596/1432/1/012003
Alisha, P. B., ve K. Gnana Sheela. "Görüntü denoising teknikleri-genel bir bakış." IOSR Elektronik ve Haberleşme
Mühendisliği Dergisi 11, no. 1 (2016): 78-84.
Tian, Chunwei, Lunke Fei, Wenxian Zheng, Yong Xu, Wangmeng Zuo ve Chia-Wen Lin. "Görüntü denoising
üzerinde
derin
öğrenme:
Genel
bir
bakış."
Neural
Networks
131
(2020):
251-275.
https://doi.org/10.1016/j.neunet.2020.07.025
Chen, Songkui, Daming Shi, Muhammad Sadiq, ve Xiaochun Cheng. "Generative adversarial networks ile görüntü
denoising ve hücre görüntüsü iyileştirme uygulaması." IEEE Access 8 (2020): 82819-82831.
https://doi.org/10.1109/ACCESS.2020.2988284
Nanyan, Ayob Nazmy, Muzamir Isa, Haziah Abdul Hamid, Mohamad Nur Khairul Hafizi Rohani ve Baharuddin
Ismail. "Yüksek akım uygulamalarında rogowski bobin sensörü: Bir inceleme." IOP Konferans Serisi içinde:
Malzeme Bilimi ve Mühendisliği, cilt. 318, no. 1, s. 012054. IOP Publishing, 2018. https://doi.org/10.1088/1757899X/318/1/012054
Sangave, P. H., ve G. P. Jain. "Değiştirilmiş sınır ayırt edici gürültü algılama tekniği ile darbe gürültüsü algılama ve
giderme." 2017 Uluslararası Akıllı Sürdürülebilir Sistemler Konferansı (ICISS), s. 715-719. IEEE, 2017.
https://doi.org/10.1109/ISS1.2017.8389266
Ilesanmi, Ademola E., ve Taiwo O. Ilesanmi. "Konvolüsyonel sinir ağı kullanarak görüntü denoising yöntemleri: bir
inceleme." Complex & Intelligent Systems 7, no. 5 (2021): 2179-2198. https://doi.org/10.1007/s40747-021-004284
Abdulah, C. S. K., M. N. K. H. Rohani, B. Ismail, M. A. M. Isa, A. S. Rosmi, and W. A. Mustafa. "Elektrik Ağacına
Dayalı Medyan, Wiener ve Gauss Filtreleme Teknikleri Kullanılarak Görüntü Restorasyonunun Karşılaştırılması."
2021 IEEE Endüstriyel Elektronik ve Uygulamalar Konferansı (IEACon) içinde, s. 163-168. IEEE, 2021.
https://doi.org/10.1109/IEACon51066.2021.9654752
Mustafa, Wan Azani, Haniza Yazid ve Sazali Bin Yaacob. "Üst üste bindirilmiş alçak geçiren ve Gauss filtreleme
kullanarak retina görüntülerinin aydınlatma düzeltmesi." In 2015 2nd International Conference on Biomedical
Engineering (ICoBE), pp. 1-4. IEEE, 2015. https://doi.org/10.1109/ICoBE.2015.7235889
Lone, Aamir Hamid, ve Arsheen Neda Siddiqui. "Dijital görüntü işlemede gürültü modelleri." Global Sci-Tech 10,
no. 2 (2018): 63-66. https://doi.org/10.5958/2455-7110.2018.00010.1
Draganov, Ivo Rumenov, ve Rumen Parvanov Mironov. "Görüntülerin 3D Gürültü Uyarlamalı Wiener Filtrelemesi."
Uluslararası Katılımlı 2020 28. Ulusal Konferansı (TELECOM) içinde, s. 6-9. IEEE, 2020.
https://doi.org/10.1109/TELECOM50385.2020.9299543
Rosmi, A. S., M. Isa, B. Ismail, M. N. K. H. Rohani, ve Y. Wahab. "Farklı mikro-kantilever kiriş geometrileri kullanan
piezoelektrik enerji hasat cihazı için elektrik çıkış gücünün optimizasyonu." Fizik Dergisi'nde: Konferans Serisi, cilt.
1019, no. 1, s. 012033. IOP Yayıncılık, 2018. https://doi.org/10.1088/1742-6596/1019/1/012033
344
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
[14] Irum, Isma, Muhammad Sharif, Mudassar Raza ve Sajjad Mohsin. "Renkli görüntülerden tuz ve biber gürültüsü
giderimi için doğrusal olmayan bir hibrit filtre." Uygulamalı Araştırma ve Teknoloji Dergisi 13, no. 1 (2015): 79-85.
https://doi.org/10.1016/S1665-6423(15)30015-8
[15] Khetkeeree, Suphongsa ve Parawata Thanakitivirul. "Görüntü keskinleştirme ve yumuşatma için aynı anda hibrit
filtreleme." 2020 yılında 35. Uluslararası Devreler/Sistemler, Bilgisayarlar ve İletişim Teknik Konferansı (ITC-CSCC),
s. 367-371. IEEE, 2020.
[16] Van Slambrouck, Katrien, Simon Stute, Claude Comtat, Merence Sibomana, Floris HP van Velden, Ronald
Boellaard ve Johan Nuyts. "Düşük istatistikli PET için yanlılık azaltma: değiştirilmiş Poisson dağılımı ile maksimum
olabilirlik rekonstrüksiyonu." IEEE Transactions on Medical Imaging 34, no. 1 (2014): 126-136.
https://doi.org/10.1109/TMI.2014.2347810
[17] Zhou, Yuanxiang, Yunxiao Zhang, Ling Zhang, Dawei Guo, Xu Zhang ve Mingyuan Wang. "Termal yaşlanmadan
sonra silikon kauçuğun elektriksel ağaç başlangıcı." IEEE Transactions on Dielectrics and Electrical Insulation 23,
no. 2 (2016): 748-756. https://doi.org/10.1109/TDEI.2015.005514
[18] Zhao, Lingyan, Jun Zhang, ve Zhihui Wei. "Foton sınırlı poisson gürültülü görüntü yeniden yapılandırması için
Skellam dağılımı tabanlı uyarlanabilir iki aşamalı yerel olmayan yöntemler." 2017 IEEE Uluslararası Görüntü İşleme
Konferansı (ICIP) içinde, s. 2433-2437. IEEE, 2017. https://doi.org/10.1109/ICIP.2017.8296719
[19] Anitha, S., Laxminarayana Kola, P. Sushma ve S. Archana. "MRI ve CT görüntülerinde gürültü giderme için
filtreleme ve yeni tekniğin analizi." In 2017 Uluslararası Elektrik, Elektronik, İletişim, Bilgisayar ve Optimizasyon
Teknikleri Konferansı ( I CEECCOT), pp. 1-3. IEEE, 2017.
https://doi.org/10.1109/ICEECCOT.2017.8284618
[20] Hosotani, Fumitaka, Yuya Inuzuka, Masaya Hasegawa, Shigeki Hirobayashi ve Tadanobu Misawa. "Maske NHA'ya
dayalı kenar koruma ve segmentasyon ile görüntü denoising." IEEE Transactions on Image Processing 24, no. 12
(2015): 6025-6033. https://doi.org/10.1109/TIP.2015.2494461
[21] Maru, Pratyaksh A., Chintan K. Modi, ve P. S. V. Nataraj. "Gri seviye görüntü denoising için robust MM tahmincisi
ve robust M tahmincisi tabanlı denoising filtrelerinin karşılaştırılması." 2012 Uluslararası İletişim Sistemleri ve Ağ
Teknolojileri Konferansı, s. 109-113. IEEE, 2012.
https://doi.org/10.1109/CSNT.2012.33
[22] Ahmadi, Reza, Javad Kangarani Farahani, Farbod Sotudeh, Ashkan Zhaleh ve Saeid Garshasbi. "Görüntü denoising
tekniklerinin incelenmesi." Life Science Journal 10, no. 1 (2013): 753-755.
[23] Joshi, Nikita, Sarika Jain ve Amit Agarwal. "Yerel olmayan araç filtresi kullanarak MRG'yi denoize etmek için
geliştirilmiş bir yaklaşım." 2016 2nd International Conference on Next Generation Computing Technologies (NGCT)
içinde, s. 650-653. IEEE, 2016. https://doi.org/10.1109/NGCT.2016.7877492
[24] Modhave, Nayan, Yepuganti Karuna ve Sourabh Tonde. "İşitme cihazlarında konuşma geliştirme ve gürültü
azaltma tekniği için çok kanallı wiener filtre tasarımı." 2016 Çevrimiçi Uluslararası Yeşil Mühendislik ve Teknolojiler
Konferansı (IC-GET), s. 1-4. IEEE, 2016. https://doi.org/10.1109/GET.2016.7916626
[25] Reddy, B. Sai Tejeswar, ve Valarmathi Jayaraman. "Sinyalleri Ortogonal Hale Getiren Wiener Filtresi Uygulaması."
İçinde
2019 Uluslararası İletişim ve Ağlarda Gelişen Trendlere Doğru Vizyon Konferansı (ViTECoN),
s. 1-6. IEEE, 2019. https://doi.org/10.1109/ViTECoN.2019.8899689
[26] Lee, Kiat Moon ve Ka Nyan Ng. "Palm Yağı Boş Meyve Demetlerinden Fermente Edilebilir Şekerlerin Geri
Kazanımını Artırmak için Organosolv Ön İşleminde Ultrasonikasyonun Etkisi." Enerji ve Çevre Alanında İlerleme 11
(2019): 15-23.
[27] Ashok, Ajith, Aneela Babburi, T. Ardra, K. S. Gayathri, R. J. Indu ve Gayathri Narayanan. "İletişim alıcılarında
eşleştirilmiş filtre, dalgacık denoising ve wiener filtre tekniğinin performans karşılaştırması." In 2018 3rd IEEE
International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT), pp.
2264-2268. IEEE, 2018. https://doi.org/10.1109/RTEICT42901.2018.9012318
[28] Remenyi, Norbert, Orietta Nicolis, Guy Nason ve Brani Vidakovic. "2D ölçek karıştırma karmaşık dalgacık
dönüşümleri ile görüntü denoising." IEEE Transactions on Image Processing 23, no. 12 ( 2014): 5165-5174.
https://doi.org/10.1109/TIP.2014.2362058
[29] Scapaticci, Rosa, Panagiotis Kosmas, ve Lorenzo Crocco. "Tıbbi uygulamalarda sağlam mikrodalga görüntüleme
için dalgacık tabanlı düzenleme." IEEE Transactions on Biomedical Engineering 62, no. 4 (2014): 1195-1202.
https://doi.org/10.1109/TBME.2014.2381270
[30] Khan, Mohammad Mahmudur Rahman, Shadman Sakib, Rezoana Bente Arif ve Md Abu Bakr Siddique. "Matlab'da
dijital görüntü restorasyonu: Ters ve wiener filtreleme üzerine bir vaka çalışması." 2018 Uluslararası Mühendislik
ve Teknolojide Yenilik Konferansı (ICIET), s. 1-6. IEEE, 2018. https://doi.org/10.1109/CIET.2018.8660797
[31] Lebrun, Marc. "BM3D görüntü denoising yönteminin bir analizi ve uygulaması." Çevrimiçi Görüntü İşleme
2012 (2012): 175-213. https://doi.org/10.5201/ipol.2012.l-bm3d
345
Uygulamalı Bilimler ve Mühendislik Teknolojisinde İleri Araştırmalar Dergisi
Cilt 30, Sayı 1 (2023) 331-343
[32] Samsudin, Muhammad Syazwan Nizam, Md Mizanur Rahman ve Muhamad Azhari Wahid. "Malezya'da
sürdürülebilir enerji üretim yolları: Uzun menzilli senaryoların geliştirilmesi." Journal of Advanced Research in
Applied Mechanics 24, no. 1 (2016): 22-38.
[33] Mbarki, Zouhair, Hassene Seddik, ve Ezzedine Ben Braiek. "Parametrik Wiener filtreleme ve BM3D denoising
tekniğini birleştiren kör olmayan görüntü restorasyon şeması." 2018 4. Uluslararası Sinyal ve Görüntü İşleme için
İleri Teknolojiler Konferansı (ATSIP), pp. 1-5. IEEE, 2018. https://doi.org/10.1109/ATSIP.2018.8364524
[34] Sigit, Riyanto, Mochamad Mobed Bachtiar ve Moh Irsyadul Fikri. "Görüntü işleme kullanarak mikroskobik insan
kan hücrelerine dayalı lösemi hastalıklarının tanımlanması." 2018 Uluslararası Uygulamalı Mühendislik Konferansı
(ICAE), pp. 1-5. IEEE, 2018. https://doi.org/10.1109/INCAE.2018.8579387
346