Eliminación de ruido impulsivo en imágenes a color, utilizando interpolación con funciones de base radial

• Autores: Jaime Alberto Echeverri Arias, Jorge Eliécer Rudas Castaño, Ricardo Toscano Cuello, Rubén Darío Ballesteros Padilla
• Localización: Ingeniería, ISSN-e 2344-8393, ISSN 0121-750X, Vol. 16, Nº. 1, 2011, págs. 27-35
• Idioma: español
• Títulos paralelos:
  • Impulsive noise elimination in color images using interpolation with radial-basis functions
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este documento presenta un método para suprimir ruido impulsivo en imágenes a color, utilizando interpolación a través de funciones de base radial.

    Este es un problema clásico en múltiples aplicaciones en diferentes áreas, su origen radica en mecanismos de captación de datos defectuosos, que generan errores a intervalos variados de tiempo en las señales de entrada.

    Se comparan los resultados obtenidos con el método propuesto, frente a los algoritmos clásicos no lineales, como el filtrado por la mediana, la media y el de outlier. En todos los escenarios probados, los resultados fueron más eficaces con el método propuesto. El algoritmo demostró ser robusto frente a grandes volúmenes de ruido en el caso de prueba. Los resultados fueron analizados a través del error cuadrado medio (ECM) y Peak Signal to Noise Ratio (PSNR) que son dos métricas de uso común para comparar la calidad entre dos imágenes luego de un proceso de restauración. Se alcanzó un ECM de 14 y un PSNR de 35.8 db sobre la imagen de Lenna a 512x512 pixeles con un porcentaje de pixeles ruido del 40%.

  • English

    This paper presents a method for impulsive noise elimination in colored images by using interpolation through radial basis functions.

    This is a classic problem in many applications in different fields; its origin lies in defective-data capturing mechanisms that make errors at different time intervals over an input signal.

    We compare the results obtained using the proposed method to the resultes obtained using classical non-linear filtering algorithms, such as the median filtering, and the mean and outlier filtering. In all scenarios, the results were more effective when using the proposed method. The algorithm proved to be robust under hihg-noise conditions during the tests. The results were analyzed using Mean Square Error (MSE) and Peak Signal to Noise Ratio (PSNR), which are two commonly used metrics to compare the quality between two images after performing a restoration process. MSE of 14 and PSNR of 35.8 db were reached on the 512x512- pixel Lenna image with a noise-pixel percentage of 40%.