A New Robust Scheme for Salt and Pepper Noise Filtering Using Fuzzy Cellular Automata
यह शोध पत्र एक सुदृढ़, दो-चरणीय फ़िल्टरिंग योजना प्रस्तावित करता है जो सूक्ष्म छवि विवरणों को संरक्षित करते हुए साल्ट एंड पेपर शोर (salt and pepper noise) का प्रभावी ढंग से पता लगाने और उसे हटाने के लिए जैकार्ड समानता (Jaccard similarity) और हैमिंग दूरी (Hamming distance) मापों के साथ फजी सेलुलर ऑटोमेटा (fuzzy cellular automata) को संयोजित करता है और मौजूदा तकनीकों से बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपकी पसंदीदा डिजिटल फोटो एक निर्मल, बर्फ से ढकी पर्वत चोटी की तरह है। यह सुंदर, स्पष्ट और विवरणों से भरपूर है। लेकिन फिर, अचानक एक बर्फीला तूफान आता है, जो पूरे परिदृश्य में यादृच्छिक काले और सफेद धब्बे गिरा देता है। डिजिटल इमेजिंग की दुनिया में, इसे "साल्ट एंड पेपर नॉइज़" (नमक और काली मिर्च जैसा शोर) कहा जाता है। यह एक कैमरा ग्लिच, मेमोरी एरर या ट्रांसमिशन हिचकी का डिजिटल रूप है जो एक आदर्श छवि को स्टेटिक-भरे मलबे में बदल देता है। जबकि कुछ फ़िल्टर एक भारी बर्फ हटाने वाले फावड़े की तरह काम करते हैं, जो शोर को तो हटा देते हैं लेकिन साथ ही पहाड़ की नाजुक लकीरों और घाटियों को भी सपाट (धुंधला) कर देते हैं, वैज्ञानिक एक ऐसे उपकरण की तलाश में रहे हैं जो परिदृश्य को परेशान किए बिना एक-एक करके इन धब्बों को चुन सके। यहीं पर इमेज प्रोसेसिंग का क्षेत्र काम आता है, जो स्पष्टता बहाल करने के लिए चतुर गणितीय तरकीबों का उपयोग करता है। इस टूलबॉक्स के दो सबसे आकर्षक उपकरण "सेलुलर ऑटोमेटा" और "फजी लॉजिक" हैं। सेलुलर ऑटोमेटा को छोटे, आज्ञाकारी पड़ोसियों के एक ग्रिड के रूप में सोचें जो केवल अपने ठीक बगल में खड़े लोगों पर ध्यान देते हैं ताकि वे तय कर सकें कि क्या करना है। "फजी लॉजिक" उन स्थितियों में निर्णय लेने की कला है जब चीजें पूरी तरह से ब्लैक या व्हाइट नहीं होतीं, बल्कि बीच के ग्रे क्षेत्र में होती हैं। इन विचारों को मिलाकर, शोधकर्ता एक ऐसी प्रणाली बनाने की आशा करते हैं जो इतनी स्मार्ट हो कि वह बिल्कुल जान सके कि कौन से पिक्सेल "शोर" हैं और कौन से "चित्र" हैं, भले ही शोर कितना भी अधिक क्यों न हो।
इस शोध पत्र में, मोहम्मद मेहंदी पीरूज़मंदान एक नई, सुदृढ़ योजना पेश करते हैं जिसे विशेष रूप से सेलुलर ऑटोमेटा और फजी लॉजिक के संयोजन का उपयोग करके इस साल्ट एंड पेपर नॉइज़ समस्या से निपटने के लिए डिज़ाइन किया गया है। यह विधि एक दो-चरणीय जासूसी ऑपरेशन की तरह काम करती है। पहले, इसे दोषियों (शोर वाले पिक्सेल) को खोजना है, और दूसरे, इसे बाकी दृश्य को खराब किए बिना उन्हें ठीक करना है।
पहला चरण पता लगाने (डिटेक्शन) के बारे में है, और यह सुनिश्चित करने के लिए कि कोई भी शोर छूटे नहीं, यह एक दो-चरणीय प्रक्रिया का उपयोग करता है। पहला चरण एक त्वरित स्कैन है: एल्गोरिदम हर पिक्सेल के आसपास एक छोटा 3x3 का पड़ोस देखता है और अधिकतम, न्यूनतम और औसत चमक मानों की गणना करता है। यदि कोई पिक्सेल अपने पड़ोसियों की तुलना में संदिग्ध रूप से चमकीला (जैसे नमक) या गहरा (जैसे काली मिर्च) है, तो उसे चिह्नित किया जाता है। हालांकि, लेखक जानते हैं कि कभी-कभी शोर चालाक होता है और सामान्य पिक्सेल जैसा दिख सकता है, इसलिए एक दूसरा, अधिक कठोर चरण जोड़ा गया है। यह चरण सेलुलर ऑटोमेटा के सिद्धांतों और "हैमिंग डिस्टेंस" नामक चीज़ का उपयोग करता है—जो संख्याओं के दो सेटों के बीच अंतर मापने का एक तरीका है। यह उन पिक्सेल का पुनर्मूल्यांकन करता है जिन्हें पहले चरण ने छोड़ दिया था, यह जाँचते हुए कि क्या उनके पड़ोसी अजीब व्यवहार कर रहे हैं। यदि पड़ोसी बहुत अलग हैं, तो पिक्सेल को शोर के रूप में पुष्ट किया जाता है।
एक बार जब शोर वाले पिक्सेल की पहचान हो जाती है, तो दूसरा चरण शुरू होता है: बहाली (रेस्टोरेशन)। केवल खराब पिक्सेल को अपने पड़ोसियों के साधारण औसत से बदलने के बजाय (जो अक्सर छवि को धुंधला कर देता है), यह नई विधि "फजी सेलुलर ऑटोमेटा" और "जैकर्ड सिमिलैरिटी" (Jaccard similarity) की अवधारणा का उपयोग करती है। कल्पना कीजिए कि केंद्रीय पिक्सेल एक पहेली का टुकड़ा है जो टूटा हुआ है। एल्गोरिदम छह आसन्न पिक्सेल (पड़ोसियों के विभिन्न समूहों की तरह) के चार अलग-अलग पैटर्न को देखता है और पूछता है, "कौन सा समूह मूल, अखंड चित्र जैसा दिखता है?" यह समूहों के बीच समानता मापने के लिए जैकर्ड सिमिलैरिटी माप का उपयोग करता है, जो अनिवार्य रूप से यह पूछता है कि उनमें कितनी समानता है। एल्गोरिदम फिर इन फजी तुलनाओं का उपयोग टूटे हुए पिक्सेल के लिए एक नया, सटीक मान की गणना करने के लिए करता है, जिससे छवि के तीखे किनारों और बारीक विवरणों को बरकरार रखते हुए छवि को प्रभावी रूप से "ठीक" किया जाता है।
यह शोध पत्र प्रयोगात्मक परिणाम प्रस्तुत करता है ताकि यह दिखाया जा सके कि यह नई योजना कितनी अच्छी तरह काम करती है। लेखक ने "बारबरा", "बोट" और "ब्रिज" जैसे विभिन्न मानक चित्रों पर परीक्षण किया, जिसमें 15% से लेकर 90% तक के भारी स्तर तक साल्ट एंड पेपर नॉइज़ डाला गया। परिणामों को चार अलग-अलग स्कोरकार्ड का उपयोग करके मापा गया था: PSNR (पीक सिग्नल-टू-नॉइज़ रेशियो), SSIM (स्ट्रक्चरल सिमिलैरिटी इंडेक्स), NCC (नॉर्मलाइज्ड क्रॉस-कोरिलेशन), और IEF (इमेज एन्हांसमेंट फैक्टर)। इन सिमुलेशन में, प्रस्तावित विधि ने न्यूरल नेटवर्क डिटेक्टरों और विभिन्न मीडियन फिल्टरों सहित मौजूदा तकनीकों को लगातार पछाड़ दिया। उदाहरण के लिए, 256x256 पिक्सेल की एक छवि पर 90% शोर के साथ, प्रस्तावित विधि ने 34.4 का PSNR प्राप्त किया, जबकि NNANFIS जैसे अन्य तरीकों का स्कोर काफी कम रहा। दृश्य परिणामों ने भी दिखाया कि यह विधि छवियों के तीखे किनारों को बनाए रखने में बेहतर थी, जबकि अन्य फिल्टरों के कारण छवि धुंधली दिखने लगती थी या उसमें अभी भी शोर के धब्बे दिखाई देते थे।
इसके अलावा, शोध पत्र इस बात पर प्रकाश डालता है कि यह विधि न केवल सटीक है बल्कि कुशल भी है। 512x512 की छवियों पर प्रसंस्करण समय (प्रोसेसिंग टाइम) को मापने वाले परीक्षणों में, प्रस्तावित विधि ने "बारबरा" छवि को बहाल करने में लगभग 68 सेकंड का समय लिया, जो MDBUTM फ़िल्टर द्वारा लिए गए 106 सेकंड और A. Selmani पद्धति द्वारा लिए गए 170 सेकंड से तेज़ था। लेखक निष्कर्ष निकालते हैं कि चूंकि यह विधि स्थानीय नियमों (जैसे सेलुलर ऑटोमेटा पड़ोसी) पर निर्भर करती है, इसलिए यह अत्यधिक पैरेललाइज़ेबल (parallelizable) है, जिसका अर्थ है कि यदि इसे उन हार्डवेयर पर चलाया जाए जो एक साथ कई चीजें करने के लिए डिज़ाइन किए गए हैं, तो इसे और भी तेज़ बनाया जा सकता है। हालांकि यह शोध पत्र ग्रेस्केल छवियों और विशिष्ट प्रकार के शोर पर केंद्रित है, लेखक का सुझाव है कि यह दृष्टिकोण वास्तविक दुनिया के इमेज प्रोसेसिंग कार्यों के लिए एक आशाजनक समाधान हो सकता है जहाँ विवरणों को बनाए रखना महत्वपूर्ण है, और भविष्य के कार्य रंगीन छवियों या अन्य प्रकार के शोर पर इन विचारों को लागू करने की खोज कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।