TY - JOUR ID - TI - Image Denoising Using Framelet Transform رفع الضوضاء عن الصوربأستخدام التحويل الاطاري AU - Ali K. Nahar AU - Hadeel N. Abduallah PY - 2010 VL - 28 IS - 13 SP - 2530 EP - 2550 JO - Engineering and Technology Journal مجلة الهندسة والتكنولوجيا SN - 16816900 24120758 AB - 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 ER -