Hadia Saleh Abdulla, Aeesha Sdeek Shaheen and Najla Matti Isaac
Abstract
في هذا البحث، قمنا بدراسة تأثير معاملات تحويل المنحنيات للصورة في إزالة الضوضاء من الصورة. يتم تطبيق تحويل المنحنيات على الصور المدخلة، مما يؤدي إلى مجموعة من معاملات المنحنيات التي تلتقط مكونات تردد واتجاه مختلفة للصورة. لتحسين عملية إزالة الضوضاء، قدمنا نهجًا (CTRLC: Curvelet Transformation Remove Least Correlation) يعتمد على الارتباط بين المعامل المجرد والمعاملات الأخرى. من خلال تحليل قيم الارتباط، نحدد المعامل الأقل ارتباطًا بالمعامل المجرد ونزيله من الصورة المحولة. تسمح لنا هذه الإزالة الانتقائية بتخفيف الضوضاء مع الحفاظ على معلومات الصورة ذات الصلة. يتم إجراء التقييمات التجريبية على مجموعة متنوعة من الصور الملوثة بمستويات مختلفة من الضوضاء. تظهر النتائج أن طريقتنا المقترحة تقلل الضوضاء بشكل فعال وتعزز جودة الصورة. تؤكد التحليلات المقارنة بتقنيات إزالة الضوضاء الحالية تفوق نهجنا من حيث تقليل الضوضاء والحفاظ على تفاصيل الصورة المهمة. حققت طريقة CTRLC نسبة إشارة إلى ضوضاء قدرها 87.2695، مقارنة بالطرق الأخرى التي تراوحت بين 23.43 و77.5. وهذا يؤكد فعالية نهجنا المقترح في استعادة الصورة بعد إزالة الضوضاء. تساهم نتائج هذا البحث في مجال إزالة الضوضاء من الصورة من خلال تسليط الضوء على أهمية معاملات تحويل المنحنيات وتقنية إزالة المعاملات القائمة على الارتباط. تقدم الطريقة المقترحة حلاً لتقليل الضوضاء في الصور بشكل فعال مع الحفاظ على سلامتها البصرية.
Abstract
In this research, we investigate the effect of image curvelet transform coefficients in image denoising. The curvelet transform applies to input images, resulting in a set of curvelet coefficients that capture different frequency and directional components of the image. To improve the denoising process, we introduce an approach (CTRLC: Curvelet Transformation Remove Least Correlation) based on the correlation between the abstract coefficient and other coefficients. By analyzing the correlation values, we identify the coefficient that is least associated with the abstract coefficient and remove it from the transformed image. This selective removal allows us to attenuate noise while preserving the relevant image information. Experimental evaluations are conducted on a variety of images contaminated with different levels of noise. The results show that our proposed method effectively reduces noise and enhances the image quality. Comparative analyses with existing denoising techniques further validate the superiority of our approach in terms of noise reduction and preservation of important image details. The CTRLC method achieved a PSNR of 87.2695, compared to other methods that ranged between 23.43 and 77.5. This confirms the effectiveness of our proposed approach in image restoration after denoising. The findings of this research contribute to the field of image denoising by highlighting the significance of curvelet transform coefficients and the correlation-based coefficient removal technique. The proposed method offers a solution for effectively reducing noise in images while maintaining their visual integrity.
Publication Date
12/1/2024
Publisher
Al-Rafidain Journal of Computer Sciences and Mathematics (RJCM)
نجلاء متي اسحق سفر | Najla Matti Isaac Safar | 10980