Soft morphological filter optimization using a genetic algorithm for noise elimination

Abstract

Sayısal görüntü kalitesi, neredeyse bütün görüntü işleme uygulamalarında önemli bir sorundur. Resimler, pek çok nedenden dolayı bozulabilirler. Görüntü kalitesini onarmak için; bozulmanın niteliğine gore, pek çok değişik yaklaşım önerilmiştir. Bozulmaya yol açan en genel problem, ?impulse noise? olarak isimlendirilen, gürültü türüdür. ?Impulse noise?, görüntünün üzerine dağılmış, aşırı derecede parlak ve karanlık noktalar oluşmasına sebep olur. Genelde, iyi bilinen median filtreleri, ?impulse noise? giderimi için tercih edilirler. Hafif morfolojik filtreler, yakın zamanda ortaya çıkmışlardır ve pek çok çeşitli amaç için kullanılmaktadırlar. Bu çalışmada, ?impulse noise? giderimi için, en uygun filtreyi bulma amaçlı olarak; kontrol edilen bir öğrenme yöntemi olarak, bir genetik algoritma kullanılarak, hafif morfolojik filtreler üzerinde bir arama yapılmıştır. Deneyler sonucunda, detayları da koruyan, çok bölümlü bir morfolojik filter elde edildi. Önerilen filtre ile median filtrelerinin sonuçları; değişik kriterlere gore, bazı örnek test problemleri üzerinde karşılaştırılmıştır. Ek olarak, literatürdeki bilinen filtreler ile, önerilen filtre karşılaştırılmıştır. Sonuçlar, önerilen filtrenin, median filtreden daha iyi sonuçlar aldığını ve literatürdeki iyi bilinen filtreler arasında da gayet iyi sonuçlar aldığı gösteriyor. Son bir deney olarak, ?impulsive noise? kullanılarak elde edilmiş en iyi filtre, Gaussian Noise eklenmiş resimler üzerinde test edildi. Bu deneyler; önerilen filtrenin, Gaussian Noise filtrelemede de, median filtreden önemli derecede daha iyi sonuçlar aldığını göstermiş oldu.

Digital image quality is an important issue in almost all image processing applications. Images can get corrupted for many reasons. Many different approaches have been proposed for restoring the image quality depending on the nature of the degradation. One of the most common problems that cause such degradation is impulse noise. Impulse noise causes extremely dark and bright specks spread over the image to emerge. In general, well known median filters are preferred for eliminating impulse noise. Soft morphological filters are recently introduced and have been in use for many purposes. In this study, a search is performed over soft morphological filters using a genetic algorithm as a supervised learning mechanism to obtain the best filter for eliminating impulse noise. The experiments yielded a detail preserving multi-stage morphological filter. The performances of the proposed filter and median filter are compared over a set of benchmark problem instances based on different criteria. Additionally, well-known filters in the literature are also compared to the proposed filter. The results indicate the proposed filter outperforms the median filter and gets very good result among the best filters known in the literature. As a last experiment, this best filter which is obtained using images with impulsive noise is tested over images with Gaussian noise. The experiments show that the proposed filter also generates significantly better results when compared to the median filter for eliminating Gaussian noise.