Analyse des modèles de bruit et des algorithmes avancés de filtrage pour l'amélioration des images

Le bruit, un élément indésirable dans une image, peut être la cause de la dégradation de l'image lors de sa transmission ou de sa capture. La réduction du bruit dans les images reste une tâche complexe et ardue. Le traitement d'images numériques est une composante du traitement du signal numérique. Une grande variété d'algorithmes peut être utilisée en traitement d'images pour être appliquée à une image ou à un ensemble de données d'entrée, afin d'obtenir des résultats importants. Dans la recherche sur le traitement d'images, l'élimination du bruit avant toute analyse ultérieure est essentielle. L'amélioration de la clarté après la suppression du bruit permet une meilleure interprétation et analyse dans divers domaines tels que l'imagerie médicale, les images satellites et les applications radar. Bien que de nombreux algorithmes existent, chacun présente ses propres hypothèses, forces et limites. Cet article vise à évaluer l'efficacité de différentes techniques de filtrage sur des images affectées par huit types de bruit. Il évalue des méthodologies telles que le filtrage de Wiener, le filtrage médian, le filtrage gaussien, le filtrage moyen (Mean), le filtrage passe-bas, le filtrage passe-haut, le filtrage laplacien et le filtrage bilatéral, en utilisant comme métrique de performance le rapport signal-bruit maximal (Peak Signal to Noise Ratio). Il nous montre l'impact des différents filtres sur les modèles de bruit en appliquant une variété de filtres à divers types de bruit. De plus, il nous aide à déterminer quelle stratégie de filtrage est la plus appropriée pour un modèle de bruit donné en fonction des circonstances.