Redes neurais aplicadas na redução de ruído impulsivo de imagens digitais

Abstract

Resumo: Este trabalho propõe a utilização de um novo método para detecção e remoção de ruído impulsivo de imagens digitais, baseado na combinação de duas redes neurais artificiais (RNA). O algoritmo de treinamento das RNA baseia-se na técnica da retropropagação do erro (algoritmo backpropagation). A primeira RNA é utilizada para detecção do ruído, conhecido como sal e pimenta, e a segunda RNA é utilizada para substituir tal ruído por um valor estimado. O método proposto é comparado com outros métodos da literatura em termos de julgamento visual, tempo computacional e também usando a medida quantitativa Mean Square Error (MSE). Os resultados obtidos mostram um bom desempenho do método aplicado. Em termos numéricos foi obtido um MSE menor quando comparado com os métodos mais usados e publicados na literatura. Visualmente, obteve-se uma maior redução nos níveis de ruído, o que possibilitou uma melhor visualização das imagens analisadas.Palavras-chave: Detector de ruído. Estimador de ruído. Imagens digitais. Redes neurais artificiais. Ruído impulsivo. Abstract: This paper proposes the use of a new method to detect and remove impulsive noise from digital images, based on the combination of the two artificial neural networks (ANN). The ANN training algorithm is based on the backpropagation technique. The first ANN is used to detect the impulsive noise, known as salt and pepper, and the second ANN is used to remove it using an

PINFI – Ferramenta para classificação de imagens com redes neurais artificiais e lógica fuzzy

“…Assim sendo, para essa pesquisa foram utilizadas duas técnicas de IA: redes neurais artificiais (RNAs) e lógica fuzzy em conjunto com técnicas de processamento de imagens visando aplicação em automação e instrumentação em ambiente industrial ou agrícola. A combinação destas técnicas tem apresentado resultados promissores como visto em: Beluco et al (2015); Ros and Pasero (2013); Taghadomi-Saberi et al (2014); Geetha (2015); Bouzalmat et al (2011); Silva et al (2014); Soares and da Silva (2013); Yen et al (2019); Sabanci et al (2017); Gunes and Badem (2016); Tyryshkin and Belyaev (2016); Rao et al (2018).…”