論文の概要: Recursive Threshold Median Filter and Autoencoder for Salt-and-Pepper Denoising: SSIM analysis of Images and Entropy Maps

• arxiv url: http://arxiv.org/abs/2511.12212v1
• Date: Sat, 15 Nov 2025 13:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.677483
• Title: Recursive Threshold Median Filter and Autoencoder for Salt-and-Pepper Denoising: SSIM analysis of Images and Entropy Maps
• Title（参考訳）: ソルト・アンド・ペッパー復調のための再帰閾値媒介フィルタとオートエンコーダ:画像とエントロピーマップのSSIM解析
• Authors: Petr Boriskov, Kirill Rudkovskii, Andrei Velichko,
• Abstract要約: 本稿では,中央フィルタ (MF) と簡易3層オートエンコーダ (AE) を用いた画像からの塩とペッパーのノイズ除去について検討する。 復調画像とクリーン画像の標準的な構造類似度指数SSIMImgと、新たに適用された計量SSIMMapの2つの指標を用いて、復調性能を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies the removal of salt-and-pepper noise from images using median filter (MF) and simple three-layer autoencoder (AE) within recursive threshold algorithm. The performance of denoising is assessed with two metrics: the standard Structural Similarity Index SSIMImg of restored and clean images and a newly applied metric SSIMMap - the SSIM of entropy maps of these images computed via 2D Sample Entropy in sliding windows. We shown that SSIMMap is more sensitive to blur and local intensity transitions and complements SSIMImg. Experiments on low- and high-resolution grayscales images demonstrate that recursive threshold MF robustly restores images even under strong noise (50-60 %), whereas simple AE is only capable of restoring images with low levels of noise (<30 %). We propose two scalable schemes: (i) 2MF, which uses two MFs with different window sizes and a final thresholding step, effective for highlighting sharp local details at low resolution; and (ii) MFs-AE, which aggregates features from multiple MFs via an AE and is beneficial for restoring the overall scene structure at higher resolution. Owing to its simplicity and computational efficiency, MF remains preferable for deployment on resource-constrained platforms (edge/IoT), whereas AE underperforms without prior denoising. The results also validate the practical value of SSIMMap for objective blur assessment and denoising parameter tuning.
• Abstract（参考訳）: 本稿では,中央フィルタ (MF) と簡易3層オートエンコーダ (AE) を用いた再帰しきい値アルゴリズムによる画像からの塩とペッパーのノイズ除去について検討する。 復元された画像とクリーンな画像の標準的な構造類似度指数SSIMImgと、これらの画像のエントロピーマップのSSIMをスライディングウィンドウの2Dサンプルエントロピーで計算した新たに適用したメトリックSSIMMapの2つの指標を用いて、デノナイジングの性能を評価する。 その結果,SSIMMapはブラーや局所強度遷移に敏感であり,SSIMImgを補完することがわかった。 低分解能および高分解能グレースケール画像の実験では、再帰閾値MFは強いノイズ(50～60%)下でも画像の頑健な復元を行うが、単純なAEは低レベルのノイズ(30%)で画像の復元しかできない。 拡張性のある2つのスキームを提案する。 (i)2MFは、窓の大きさの異なる2つのMFと最終しきい値のステップを使い、低解像度で鮮明な局所詳細をハイライトするのに有効である。 (II)AEを介して複数のMFの特徴を集約するMFs-AEは,高解像度でシーン全体の復元に有用である。 単純さと計算効率のため、MFはリソース制約のあるプラットフォーム(エッジ/IoT)へのデプロイに好適である。 また,SSIMMapの客観的なボケ評価とパラメータチューニングのための実用的価値も検証した。

関連論文リスト

• High-resolution Photo Enhancement in Real-time: A Laplacian Pyramid Network [73.19214585791268]
  本稿では,LLF-LUT++と呼ばれるピラミッドネットワークについて紹介する。 具体的には,ダウンサンプリング画像のグローバル音節特性を活かした画像適応型3D LUTを利用する。 LLF-LUT++は、HDR+データセット上でPSNRが2.64dB改善されただけでなく、4K解像度の画像を1つのGPUでわずか13msで処理することで、さらに削減されている。
  論文  参考訳（メタデータ） (2025-10-13T16:52:32Z)
• Iterative Low-rank Network for Hyperspectral Image Denoising [16.26671997491784]
  ハイパースペクトル画像(HSI)復調は、その後のタスクにおいて重要な前処理ステップである。 画像の詳細を保存しながら、このような物理的特性を効果的に denoising に適切に利用することは、一般的に困難である。 本稿では,これらの課題に対処するための新しい反復型低ランクネットワーク (ILRNet) を提案する。
  論文  参考訳（メタデータ） (2025-08-30T04:34:43Z)
• Pan-denoising: Guided Hyperspectral Image Denoising via Weighted Represent Coefficient Total Variation [20.240211073097758]
  本稿では,高スペクトル画像(HSI)デノナイズのための新しいパラダイムを紹介し,これをテクスタイトパンデノナイズと呼ぶ。 パンクロマトニック(PAN)画像は、HSIと同様の構造やテクスチャを撮影するが、ノイズが少ないため、パンデノイングは従来のHSI復調法の内部情報モデリング以上の基盤構造や詳細を明らかにする可能性を秘めている。 合成および実世界のデータセットの実験では、PWRCTVはメトリクスと視覚的品質の点でいくつかの最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2024-07-08T16:05:56Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• ATASI-Net: An Efficient Sparse Reconstruction Network for Tomographic SAR Imaging with Adaptive Threshold [13.379416816598873]
  本稿では,解析的反復収縮しきい値決定アルゴリズム(ALISTA)に基づく,効率的なスパース展開ネットワークを提案する。 ATASI-Netの各層における重み行列は、オフライン最適化問題の解法として事前計算される。 さらに、各方位領域画素に対して適応しきい値を導入し、しきい値収縮を層蒸着だけでなく素子的にも可能とする。
  論文  参考訳（メタデータ） (2022-11-30T09:55:45Z)
• Thunder: Thumbnail based Fast Lightweight Image Denoising Network [92.9631117239565]
  textbfThumbtextbfnail ベースの textbfDtextbfenoising Netwotextbfrk called Thunder が提案されている。
  論文  参考訳（メタデータ） (2022-05-24T06:38:46Z)
• Performance analysis of weighted low rank model with sparse image histograms for face recognition under lowlevel illumination and occlusion [0.0]
  低ランク近似行列(LRMA)モデルの目的は、下層の低ランク行列を劣化した観測から復元することである。 本稿では,LRMARPC-とWSNMの低ランク近似の比較を行った。 また,これらのアルゴリズムの適用による実験結果の傾向についても論じる。
  論文  参考訳（メタデータ） (2020-07-24T05:59:28Z)
• Identity Enhanced Residual Image Denoising [61.75610647978973]
  我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。 提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
  論文  参考訳（メタデータ） (2020-04-26T04:52:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。