Analyse von Rauschmodellen und fortgeschrittenen Filteralgorithmen zur Bildverbesserung

Rauschen, ein unerwünschtes Element in einem Bild, kann der Grund für die Verschlechterung der Bildqualität während der Übertragung oder Erfassung sein. Die Rauschreduzierung in Bildern bleibt eine herausfordernde Aufgabe. Digitale Bildverarbeitung ist ein Teilbereich der digitalen Signalverarbeitung. Eine Vielzahl von Algorithmen kann in der Bildverarbeitung angewendet werden, um ein Bild oder einen Eingabedatensatz zu verarbeiten und wichtige Ergebnisse zu erzielen. Im Forschungsgebiet der Bildverarbeitung ist es essentiell, Rauschen aus den Bildern zu entfernen, bevor eine weitere Analyse durchgeführt wird. Die Rauschreduzierung verbessert die Klarheit und ermöglicht eine bessere Interpretation und Analyse in Bereichen wie medizinische Bilddiagnostik, Satellitenbilder und Radarapplikationen. Obwohl zahlreiche Algorithmen existieren, sind sie jeweils mit eigenen Annahmen, Stärken und Schwächen verbunden. Das Papier zielt darauf ab, die Effektivität verschiedener Filtertechniken bei acht Arten von Rauschen zu bewerten. Es evaluiert Methoden wie Wiener-Filter (Wiener), Median-Filter (Median), Gauß-Filter (Gaussian), Mittelwertfilter (Mean), Tiefpassfilter (Low pass), Hochpassfilter (High pass), Laplace-Filter (Laplacian) und bilateraler Filter (bilateral filtering). Dabei zeigt es den Einfluss verschiedener Filter auf Rauschmodelle, indem es eine Vielzahl von Filtern auf verschiedene Arten von Rauschen anwendet. Zudem hilft es dabei, die geeignetste Filterstrategie für ein bestimmtes Rauschmodell unter Berücksichtigung der Umstände zu bestimmen.