Adaptive Weighted Mean-Median Filtering for Robust Salt-and-Pepper Noise Removal Technique

Adaptive Weighted Mean-Median Filtering for Robust Salt-and-Pepper Noise Removal Technique = Адаптивный метод взвешенной фильтрации для удаления шума типа «соль и перец» / M. Sangole, S. Gade, D. Patil [et al.] // Наука и техника. – 2025. – № 5. – С. 350-360.

Abstract

The primary challenge with image processing applications in automated surveillance, medical, and remote sensing is image denoising. Salt-and-pepper noise (SAPN) drastically reduces image quality by randomly changing pixel values with high intensities. At higher noise densities, the fundamental challenge for conventional filtering algorithms is to balance noise suppression and detail retention. In digital image processing applications accuracy is very important. However, during capturing and transmission, the images are exposed to various noise frequently. In this research article, an Adaptive Weighted Mean-Median Filter (AWMMF) is proposed for robust Salt-and-Pepper Noise Removal Technique. In the proposed work the filtering window size is dynamically adjusted according to the local noise density. AWMMF integrates a weighted combination of mean and median values to enhance restoration quality while preserving image details. The efficacy of the proposed algorithm is evaluated on standard benchmark Lena image and compared with existing denoising techniques like Adaptive Fuzzy Median Filter, Fast and Efficient Median Filter, Nonlinear Hybrid Filter, Improved Adaptive Type-2 Fuzzy Filter, Regeneration Filter, Deep Convolutional Neural Network and Adaptive Switching Modified Decision-Based Unsymmetric Trimmed Median Filter. For the performance analysis, the parameters considered are the Peak Signal-to-Noise Ratio, Mean Squared Error, Structural Similarity Index and Image Enhancement Factor. AWMMF provides a robust and computationally efficient solution for SAPN removal, making it suitable for real-world image processing applications.

Abstract in another language

Основной проблемой обработки изображений в системах автоматизированного наблюдения, медицины и дистанционного зондирования является устранение шума на изображениях. Шум типа «соль и перец» (Salt-and-pepper noise – SAPN) существенно снижает качество изображения по причине случайного и интенсивного изменения значений пикселей. При более высоких плотностях шума основной проблемой традиционных алгоритмов фильтрации становится поиск баланса между подавлением шума и сохранением деталей сигнала. При цифровой обработке изображений точность проводимых операций очень важна. Однако во время съемки и передачи изображений они часто подвергаются воздействию различных шумов. В данной исследовательской статье предлагается использовать адаптивный взвешенный среднемедианный фильтр (Adaptive Weighted Mean-Median Filter – AWMMF), который обеспечивает надежное применение метода, предназначенного для удаления шума типа «соль и перец». Размер окна фильтрации динамически регулируется в зависимости от локальной плотности шума. Адаптивный взвешенный средне медианный фильтр объединяет взвешенную комбинацию средних и медианных значений для обеспечения улучшения качества восстановления, сохраняя при этом детали изображения. Эффективность предлагаемого алгоритма оценивается на стандартном эталонном изображении Lena и сравнивается с такими существующими методами шумоподавления, как адаптивный нечеткий медианный фильтр, быстрый и эффективный медианный фильтр, нелинейный гибридный фильтр, улучшенный адаптивный нечеткий фильтр типа 2, фильтр регенерации, глубокая сверточная сеть и адаптивный коммутационный модифицированный несимметричный усеченный медианный фильтр на основе принятия решений. При анализе качества работы предлагаемого метода учитываются следующие параметры: пиковое отношение сигнала, среднеквадратичная ошибка, индекс структурного сходства и коэффициент улучшения изображения. Адаптивный взвешенный средне медианный фильтр обеспечивает надежное и эффективное решение для удаления шума типа «соль и перец», что позволяет использовать его для реальных приложений обработки изображений.