SciELO - Scientific Electronic Library Online

 
vol.9 issue2Optimal and Robust Sliding Mode Regulator for Linear Systems with Delayed ControlParameter and State Variable Reconstruction for a Class of Chaotic with Application to Information Codification and De-codification author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

Print version ISSN 1405-5546

Comp. y Sist. vol.9 n.2 México Oct./Dec. 2005

 

Artículos

 

Procesamiento en Tiempo Real de Secuencias de Vídeo usando Filtros de Orden Estadístico

 

Real Time Video Sequence Processing using Statistical Order Filters

 

Francisco Gomeztagle1, Francisco Gallegos Funes2, Volodymyr Ponomaryov1 y Oleksiy Pogrebnyak3

 

1 Escuela Superior de Ingeniería Mecánica y Eléctrica, U.P. Culhuacan del IPN
Av. Santa Ana 1000, Col. San Francisco Culhuacan, CP. 04430, México, D.F., México

email: vponomar@ipn.mx

2 Escuela Superior de Ingeniería Mecánica y Eléctrica, U.P. Zacatenco del IPN
Av. IPN s/n, Col. Lindavista, CP. 07738, México D.F., México,

email: fgallegosf@ipn.mx

3 Centro de Investigación en Computación del IPN, Av. Juan de Dios Bátiz s/n, Col. Lindavista, C.P. 07738, México D.F., México,
email: olek@pollux.cic.ipn.mx

 

Artículo recibido en Julio 28, 2004; aceptado Julio 08, 2005

 

Resumen

En este artículo se presentan los resultados del filtrado de ruido impulsivo usando los algoritmos RM–KNN justificados mediante criterios de rendimiento objetivo y subjetivo, la implementación en tiempo real de los filtros de tipo RM–KNN (Rank M–type K–nearest neighbor) para imágenes fijas y secuencias de video, así como su comparación con algunos filtros ya conocidos por su buen rendimiento y investigados en diferentes artículos. Los filtros propuestos reducen el ruido de tipo impulsivo y a la vez preservan los detalles finos de las imágenes para diferentes aplicaciones como video conferencia, percepción remota y visión artificial. El procesamiento de secuencias se realizo en tiempo real mediante el DSP TMS320C6711.

Palabras Clave: Filtrado de Imágenes, Filtros de Orden Estadístico, Filtros RM–KNN, DSP TMS320C6711.

 

Abstract

In this paper we present the results of the impulsive noise filtering using the RM–KNN (Rank M–type K–nearest neighbor) algorithms justified by means of objective and subjective criterions of performance, the implementation in real time of the RM–KNN type filters for fixed images and video sequences, as well as their comparison with some filters already known by their good performance and investigated in different articles. The proposed filters reduce the noise of impulsive type and at the same time they preserve the fine details of the images for different applications like video conferencing, remote sensing and computer vision. The data processing was realized in real time by the use of DSP TMS320C6711.

Keywords: Image Filtering, Order Statisctic Filters, RM–KNN filters, DSP TMS320C6711.

 

DESCARGA ARTICULO EN FORMATO PDF

 

Agradecimientos

Los autores dan las gracias al Instituto Politécnico Nacional por los apoyos brindados.

 

References

1 Pitas, I.; and Venetsanopoulos, A. N., Nonlinear Digital Filters: Principles and Applications, (Kluwer Academic Publisher, 1990).        [ Links ]

2. Bovik, A., Handbook of Image and Video Processing, (San Diego: Academic Press, 2000).        [ Links ]

3. Astola, J.; and Kuosmanen, P., Fundamentals of Nonlinear Digital Filtering, (Boca Raton–New York: CRC Press, 1997).        [ Links ]

4. Huber, P. J., Robust Statistics, (Wiley, 1981).        [ Links ]

5. Hampel, F. R. et al., Robust Statistics. The approach based on influence function, (New York: Wiley, 1986).        [ Links ]

6. Gallegos–Funes, F. et al., "Filtros Robustos RM–KNN con Diferentes Funciones de Influencia para Supresión de Ruido Impulsivo en Imágenes Digitales," Computación y Sistemas, 6 (3): 183–195 (2003).        [ Links ]

7. Ponomaryov, V. I. et al., "Real–Time Processing Scheme Based on RM Estimators," Proc. SPIE Real Time Imaging VII, 5012, (Santa Clara, USA, 2003).        [ Links ]

8. Gallegos–Funes, F. J.; and Ponomaryov, V.I., "Real–time image filtering scheme based on robust estimators in presence of impulsive noise," Real Time Imag., 8 (2): 69–80 (2004).        [ Links ]

9. Chen, T.; and Wu, H. R., "Adaptive impulse detection using center–weighted median filters," IEEE Signal Processing Letters, 8(1): 1–3 (2001).        [ Links ]

10. Abreu, E. et al., "A new efficient approach for the removal of impulse noise from highly corrupted images," IEEE Trans. Image Process, 5 (6): 1012–1025 (1996).        [ Links ]

11. Wei–Yu, H.; and Ja–Chen, Lin., "Minimum–maximum exclusive mean (MMEM) filter to remove impulse noise from highly corrupted images," Electronics Lett., 33 (2): 124–125 (1997).        [ Links ]

12. Özkan, M. K.; Sezan, M. I.; and Murat, A., "Adaptive motion–compensated filtering of noisy image sequences, " IEEE Trans. Circuits Syst. Video Tech., 3 (4): 277–290 (1993).        [ Links ]

13. Cote, G. et al., "H.263+: Video Coding at Low Bit Rates," IEEE Trans. Circuits Syst. Video Technol., 8 (7): 849–866 (1998).        [ Links ]

14. Texas instruments Inc.: TMS320C6201/6701 evaluation module user's, (Texas Ins., 1998).        [ Links ]

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License