Most of denoising methods have been proposed to perform on stillimages, while few have been proposed for video denoising and even lesswhen it comes to color sequence. 3-D transform is a good tool for solvinga video processing problem such as video denoising because it deals withspatial and temporal correlations between video frames.This paper aims to propose a methods for video denoising, named“Mixing Sub bands and Double Wiener filter Threshold methods”(MSDWTM). This method are performed with 2-D, 3-D FDWT and it givesa better result compared with the original methods using database of colorAVI videos type. When the RMSE equal to (25.0963) it was decreased in2D and 3-D FDWT method to (7.3511) and (7.1080) RMSE value.

اكثر الطرق المقترحة لتقلیل الضوضاء مطبقة على الصور الثابتة في حین ان عدد قلیل تماقتراحھا لتقلیل الضوضاء في الفیدیو وحتى اقل عندما یتعلق الامر بالفیدیو الملون.ان التحویل الثلاثي الأبعاد ھو وسیلة جیدة لحل مشكلة معالجة الفیدیو مثل تقلیل ضوضاء الفیدیولانھ یتعامل مع الارتباطات المكانیة والزمانیة بین اطارات الفیدیو. انھا تمیل للحد من الضوضاء فيمتوالیات الفیدیو مقارنة مع التحول ثنائي الابعاد الذي یتعامل مع المعلومات المكانیة فقط.ھذه الطریقة . (MSDWTM) ھذا البحث یھدف الا اقتراح طرق لرفع الضوضاء والمسماةذو البعدین والثلاثة ابعاد واعطت نتائج جیدة مقارنة مع الطرق الأصلیة FDWT طبقت على المساویا الى RMSE بدون التبدیل وباستخدام قاعدة بیانات من الفیدیوات الملونة. وعندما كان الالثنائیة والثلاثیة الأبعاد الى ( 7.3511 ) و FDWT 25.0963 ) فقد تم تخفیضھ بطرق ).(7.1080)

video --- denoising --- wavelet transform

This paper presents a study on finding an optimal wavelet filter for denoTsing surface electromyography signal, the surface electromyography signal was captured from the biceps brachii muscle of the human arm, This signal was stored in a one-dimensional matrix and conducted a series of procedures to reduce the noise. The performance has been tested based upon the nearest five wavelet filters in terms of the shape of the form of the original signal, after subjected to three noisy Gaussian environments at different signal to noise ratio. A tremendous amount of results was obtained, These results show that the fourth order Daubechies wavelet filter at the fourth decomposition level is optimized to reduce the noise of the surface electromyography signal that captured from biceps brachii muscle, where the results of the tests in a very noisy environment show that the value of the mean square error is 0.0159 and the output signal-to-noise ratio is 11.4424.

هذا البحث يقدم دراسة عن ايجاد امثل مصفي مويجي لأشارة التحفيز العضلي السطحية,تم التقاط اشارة التحفيز العضلي السطحية من العضلة العضدية ثنائية الرأس من ذراعٍ بشرية, خُزِنت هذه الأشارة بشكل مصفوفة احادية البعد وأُجْرِيت عليها سلسلة من اجراءات تقليل الضوضاء , تم اختبار الأداء استناداًلأقرب خمس مصفيات مويجية من حيث الشكل لشكل الاشارة الاصلية وذلك بعد اخضاعها لثلاث بيئات ضوضائية كاوسية مختلفة الشدة. تم الحصول على كم هائل من النتائج التي بينت أن المصفي المويجي "دوبيشيس من الدرجة الرابعة" وعند مستوى التفكك الرابع هو الامثل في تقليل ضوضاء اشارة التحفيز العضلي السطحية المُلتقطة من العضلة العضدية ثنائية الرأس حيث بينت نتائج الاختبارات في بيئة شديدة الضوضاء ان قيمة خطأ مربع المعدل هو 0.0159وان نسبة الاشارة الى الضوضاء الخارجة هي 11.4424.

EMG --- Wavelet function --- Wavelet denoising

A technique for noise removal is proposed based on slantlet transform. The proposed algorithm tends to reduce the computational time by reducing the total number of frames through dividing the video film into sub films, finding master frames, applying the slantlet transform which is orthogonal discrete wavelet transform with two zero moments and with improved time localization. Thresholding technique is applied to the details coefficients of the slantlet transform .The denoised frame is repeated to retain the original frame sequence. The proposed method was applied by using MATLAB R2010a with video contaminated by white Gaussian noise .The experimental results show that the proposed method provides better subjective and objective quality, and obtain up to 5-6 dB PSNR improvement from the frames contaminated by noise.

في هذا البحث تم إقتراح نظام إزالة الضوضاء يعتمد على إستخدام تحويلة المويل. إن النظام المقترح يهدف الى تقليل وقت التنفيذ وذلك بتقليل العدد الكلي من الإطارات المراد إزالة الضوضاء منها بتجزئة الفيلم الى مقاطع واختيار اطارات رئيسية ليتم تطبيق تحويلة المويل عليها لقد تم اعتماد تطبيق تقنية العتبة على جميع معاملات التفاصيل للتحويلة. إن الطريقة المقترحة تعتمد على تكرار الاطارات المعالجة للمحافظة على العدد الكلي من الاطارات. باستخدام (MATLAB R2012a) على فيلم فيديوي ملوث بضوضاء من نوع (Gaussian). أظهر هذا النظام كفاءة جيدة حيث بلغ معدل الزيادة في الربح (5-6 dB) للاطارات التي تم إزالة الضوضاء عن الاطارات الملوثة بالضوضاء.

Video Denoising --- slantlet transform --- SLT --- softthreshold

Dual tree complex discrete wavelet transform is implemented for denoising asan important image processing application. Two wavelet trees are used, onegenerating the real part of the wavelet coefficients tree and the other generating theimaginary part tree.A general computer program computing two dimensional dual tree complexwavelet transform is written using MatLab V.7.0. for a general (NxN) twodimensional signal.This paper introduces firstly a proposed method of computing one and twodimensionaldual tree complex wavelet transform .The proposed method reducesheavily processing time for decomposition of image keeping or overcoming thequality of reconstructed images. Also, the inverse procedures of all the abovetransform for multi- dimensional cases verified.Secondly, many techniques are implemented for denoising of gray scale image.A new threshold method is proposed and compared with the other thresholdingmethods. For hard thresholding, PSNR gives (13.548) value while the PSNR wasincreased in the proposed soft thresholding, it gives (14.1734) PSNR value whenthe noise variance is (20).Denoising schemes are tested on Peppers noise image to find its effect ondenoising application. The noisy version has SNR equals to (11.9373 dB), thedenoising image using WT has SNR equals to (17.4661 dB), the denoising imageusing SWT has SNR equals to (18.1459 dB), the denoising image using WPT hasSNR equals to (19.3640 dB), the denoising image using Complex DiscreteWavelet Transform has SNR equals to (21.9138 dB) using hard threshold and hasSNR equals to (22.1393 dB) using soft threshold. Matlab V.7.0 is used forsimulation.

Complex Discrete Wavelet --- Image Denoising --- Thresholding

All digital images contain some degree of noise. Image denoising algorithm attempts to remove this noise from the image. Ideally, the resulting de-noised image will not contain any noise or added artifacts. Denoising of natural images corrupted by Gaussian noise using Slantlet transformation techniques is very effective because of its ability to capture the energy of a signal in few energy transform values.In this paper,mean pixel energy for each windows of noisy image will calculate by using the Energy Estimation operation then store in a dictionary. Noisy image decomposed using Slantlet transform and then applied K-SVD algorithm noise removal. In the same time, the modified mean filter is also applied to the de-noised imagefor noise removal.Finally, the de-noised image get from the comparison between (modified mean with K-SVD algorithm) outputs and select the appropriate pixels depend on the energy value stored on the dictionary. From the experimentalresults, the proposed method can efficiently remove a single Gaussian noise while preserving the image information well with less blur and demonstrate its better fidelity criteria (PSNR and ERMS) after apply proposed pixel rule selection compared with results of modified mean and K-SVD algorithm.

تحتوي كل الصور الرقمية على بعض الدرجة من الضوضاء، خوارزمية أزالة الضوضاء تحاول ازالة هذا الضوضاء من الصورة. مثالياً، اللصور الناتجة بعد ازالة الضوضاء سوف تكون خالية من الضوضاء او الضوضاء الصناعية المضافة. رفع الضوضاء من الصور الطبيعية المصابة بضوضاء جاوسن باستخدام تقنيات تحويل سلانتليت فعالة جدا بسبب قدرتها بسبب القابلية في مسك طاقة الاشارة في عدد محدد من قيم الطاقة المتحولة.في هذا البحث، معدل طاقة البكسل لكل نافذة الصورة المصابة بالضوضاء ستحسب باستخدام عملية تقدير الطاقة ثم تخزن في القاموس، الصورة المصابة بالضوضاء سوف تحلل باستخدام تحويل سلانتليت وبعد ذلك يتم تطبيق خوارزمية ازالة الضوضاء كي – اس في دي، في نفس الوقت. مرشح المتوسط المعدل يطبق ايضا لرفع الضوضاء من الصورة المصابة بالضوضاء. أخيراً ، الصورة المرفوع منها الضوضاء تأتي من المقارنة بين نتائج (خورزمية كي – أس في دي و مرشح المتوسط المعدل) واختيار البكسلات الملائمة يعتمد على قيم الطاقة المخزنة في القاموس. من النتائج العملية، الطرقية المقترحة يمكن ان تزيل بشكل كفوء ضوضاء جاوسن بينما تبقي معلومات الصورة باقل درجة من التشويه وتعرض معايير الدقة (نسبة ذروة الاشارة-للضوضاء ، وجذر القيمة العظمى للخطأ) بعد تطبيق قاعدة اختيار القيمة والمقارنة مع نتائج (خورزمية كي – أس في دي و مرشح المتوسط المعدل).

Image --- Denoising --- Slantlet --- Image denoising --- K-SVD --- ضوضاء الصور، خوارزمية كي-اس في دي