Resumen

Este artículo propone un nuevo método que combina las técnicas de descorrelación y contracción con enfoques basados en redes neuronales para eliminar el ruido. Las imágenes se representan como secuencias de bloques de igual tamaño, cada uno de ellos distorsionado por un ruido estadístico estacionario correlacionado. Una parte significativa del ruido inducido en los bloques se elimina en un paso de preprocesamiento, utilizando un método de descorrelación combinado con una técnica estándar basada en la contracción. El paso de preprocesamiento proporciona para cada imagen inicial una secuencia de bloques que se comprimen aún más a un cierto ritmo, cada componente de la secuencia resultante se suministra como entradas a una arquitectura neuronal feed-forward FX→FH→FY. Las memorias locales de las neuronas de las capas FH y FY se generan mediante un proceso de aprendizaje supervisado basado en las versiones comprimidas de bloques del mismo valor de índice suministrados como entradas y las versiones comprimidas de los mismos resultantes como la media de sus versiones preprocesadas. Por último, utilizando la técnica de descompresión estándar, la secuencia de los bloques descomprimidos es la representación depurada de la imagen inicial. El rendimiento del método propuesto se evalúa mediante una larga serie de pruebas, siendo los resultados muy alentadores en comparación con desarrollos similares para la eliminación de ruido.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Método; descorrelación; reducción; red neuronal; eliminación de ruido; preprocesamiento
• Keywords:Method; decorrelation; shrinkage; neural network; noise removal; preprocessing