A hybrid fuzzy filtering - fuzzy thresholding technique for region of interest detection in noisy images

In this paper, the problem of removing the image noise in color (RGB) images is addressed as well as the problem of the image segmentation. A new filter is created on the basis of the new fuzzy metric composed of two other fuzzy metrics with necessary characteristics for quality noise elimination in the image. In addition, the algorithm applied for image segmentation also uses the fuzzy metric, created of two other metrics that have the necessary characteristics for high-quality pixels segmentation, in the stage of deciding into which segment the pixel belongs. For this purpose, the concepts of fuzzy T-metrics and fuzzy S-metrics are presented, as well as numerous examples of fuzzy metrics used in applications. Also, the procedure for constructing new fuzzy metrics is introduced. Compared with the results obtained with the use of a VMF (vector median filter) the proposed method process is of higher sharpness level. Tests also showed better segmentation values using the fuzzy metric instead of the standard metric in the FCM algorithm.

show abstract

“…In order to determine the color similarity between pixels fuzzy T-metric τ is formulated as (see (2) and Example 1)…”

Section: Filtering Images By Using Fuzzy Metricsmentioning

confidence: 99%

“…Fuzzy metric and fuzzy filtering have been used successfully in many engineering problems [2], [17]. Valentin et al [9] constructed a fuzzy metric that at the same time looks at two different distance criteria and used it to filter noise in images.…”

Section: Introductionmentioning

confidence: 99%

Applications of the Fuzzy Metrics in Image Denoising and Segmentation

Ralević

Paunović

2021

Teh. vjesn.

View full text Add to dashboard Cite

show abstract

“…Eşikleme, görüntü segmentasyonu için en önemli ve etkili araçlardan biridir. Eşikleme, video sıkıştırmada, [1,2], görüntü gürültü gidermede [3], belge işlemede [4] ve hedef tanımada [5] yaygın olarak kullanılan görüntü bölütlemenin ana yöntemi ve önemli bir dalıdır. Eşikleme işlemi bir eşik (th) değeri alarak çalıştığı için, yoğunluk değeri 'th' değerinden yüksek olan pikseller birinci sınıf olarak etiketlenirken geri kalanlar ikinci sınıf olarak etiketlenir [6].…”

Section: Gi̇ri̇ş (Introduction)unclassified

Otsu Based Optimal Multilevel Image Thresholding Using Coronavirus Herd Immunity Optimizer

Koç

2023

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

Eşik seçimi, görüntü bölütlemede önemli bir rol oynamaktadır. Eşik seçimiyle ilgili en faydalı yöntemler olarak minimum hata yöntemi, iteratif yöntem, entropi yöntemi ve Otsu yöntemi bilinmektedir. Bu çalışmada eşikleme yöntemi olarak Otsu tekniği kullanılmaktadır. Eşik sayısının (K) artmasına bağlı olarak problemin karmaşıklık düzeyi üstel olarak artacağı için matematiksel yöntemler yerine sürü zekâsı algoritması kullanılması daha uygun görülmektedir. Bundan dolayı, bu çalışmada sürü zekâsı algoritması olarak da son yıllarda literatüre kazandırılmış olan Coronavirüs sürü bağışıklığı algoritması (CHIO) kullanılmaktadır. Deneysel çalışmalarda test verisi olarak altı farklı görüntü kullanılmaktadır. K değeri bu çalışmada 2, 3, 4 ve 5 olarak belirlenmektedir. Bu veri seti kullanılarak CHIO algoritması ile literatürde yer alan diferansiyel evrim (differential evolution: DE), gri kurt ( gray wolf optimizer: GWO), parçacık sürü (particle swarm optimization: PSO) algoritmaları gibi başarılı algoritmalarla eşit koşullarda kıyaslanmaktadır. Elde edilen sonuçlara göre, CHIO algoritması kullanılarak 6 test verisi üzerinde yapılan çalışmalarda K=2 olduğunda verilerin %100, K=3 ve 4 iken %83 ve son olarak K=5 iken %50’sinde en iyi sonuçları yakaladığı görülmektedir. Bu sonuçlar ışığında, CHIO algoritmasının çözüm kalitesi açısından rekabet edici olduğu tespit edilmiştir. Sonuç olarak CHIO algoritması çok düzeyli görüntü eşiği problemi için alternatif bir algoritma olabilir.

show abstract

“…Using fuzzy thresholding, Bandyopadhyay et al [10] detected the noisy region of the image. The fuzzy T-metric is another algorithm that was introduced by Ralevic et al [11] and showed good results in reducing image noise.…”

Section: Introductionmentioning

confidence: 99%

Image Noise Reduction by Means of Bootstrapping-Based Fuzzy Numbers

et al. 2022

View full text Add to dashboard Cite

Removing or reducing noise in color images is one of the most important functions of image processing, which is used in many sciences. In many cases, nonlinear methods significantly reduce the noise in the image and are widely used today. One of these methods is the use of fuzzy logic. In this paper, we want to introduce a fuzzy filter by using the fuzzy metric for fuzzy sets. For this purpose, we define fuzzy color pixels by using the mean of neighborhoods. Due to the noise in the image, we use the bootstrap resampling method to reduce the effect of outliers. The concept of the strong law of large numbers for the bootstrap mean in fuzzy metric space helps us to use the resampling method.

show abstract

A hybrid fuzzy filtering - fuzzy thresholding technique for region of interest detection in noisy images

Cited by 11 publications

References 51 publications

Applications of the Fuzzy Metrics in Image Denoising and Segmentation

Applications of the Fuzzy Metrics in Image Denoising and Segmentation

Otsu Based Optimal Multilevel Image Thresholding Using Coronavirus Herd Immunity Optimizer

Image Noise Reduction by Means of Bootstrapping-Based Fuzzy Numbers

Contact Info

Product

Resources

About