SciELO - Scientific Electronic Library Online

 
vol.6 número3La Búsqueda Exacta y Aproximada de Prefijos Bajo los Requerimientos del Acceso Local, para el Análisis Morfológico y Corrección de OrtografíaReconocimiento de Texturas Binarias Ruidosas Usando la Transformada de Cúmulos Coordinados índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Computación y Sistemas

versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546

Resumen

GALLEGOS, Francisco; PONOMARYOV, Volodymyr; POGREBNYAK, Oleksiy  y  NINO DE RIVERA, Luis. Filtros Robustos RM-KNN con Diferentes Funciones de Influencia para Supresión de Ruido Impulsivo en Imágenes Digitales. Comp. y Sist. [online]. 2003, vol.6, n.3, pp.183-195. ISSN 2007-9737.

Presentamos la implementación de filtros robustos para imágenes con supresión de ruido impulsivo y preservación de detalles. Los esquemas de filtrado usan una técnica similar al filtro KNN para proveer la preservación de detalles finos y la combinación de estimadores-M con el estimador de la mediana o Wilcoxon proveen la supresión de ruido impulsivo. Usamos diferentes tipos de funciones de influencia en el estimador-Mpara proveer una mejor supresión de ruido impulsivo. El filtrado de secuencias de vídeo corrompidas con ruido impulsivo demuestra que los métodos propuestos potencialmente proveen una solución para mejorar la calidad de las transmisiones de TV/Vídeo. La eficiencia de los filtros propuestos fue evaluada por numerosas simulaciones. La implementación de los filtros propuestos fue realizada en tiempo real mediante el uso del DSP TMS320C6701.

Palabras llave : Filtros de orden estadístico; filtros RM-KNN; DSP TMS320C6701.

        · resumen en Inglés     · texto en Español     · Español ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons