gürültü temizleme simülatörü tasarımı...kullanıcının yüklediği iaret veya...
TRANSCRIPT
*Corresponding author: Address: Faculty of Engineering, Electrical-Electronics Engineering Dept., Uludag
University, 16059, Bursa TURKEY. E-mail address: [email protected], Phone: +902242940905
Gürültü Temizleme Simülatörü Tasarımı
The Design of De-noising Simulator
*1Fahri Vatansever,
1Nedim Aktan Yalcin,
1Yigit Cagatay Kuyu
1Faculty of Engineering, Electrical-Electronics Engineering Dept., Uludag University, Turkey
Özet Elektrik-elektronik mühendisliği alanındaki başlıca problemlerden birisi de çeşitli nedenlerden
kaynaklanan ve işaretlerde, dolayısıyla da sistemlerin çalışmalarında bozulmalara neden olan
istenmeyen gürültülerin temizlenmesi/bastırılmasıdır. Bir ve iki boyutlu işaretlerdeki gürültüleri
temizlemek için farklı algoritmalar geliştirilmiştir. Gerçekleştirilen çalışmada; bu farklı algoritmalarla
karşılaştırmalı sonuçlar üretebilen ve eğitim amaçlı da kullanılabilen bir simülatör tasarlanmıştır.
Kullanıcının yüklediği işaret veya görüntüleri, seçilen yöntemlerle (filtreler, dalgacık dönüşümleri vb.)
temizleyen kullanıcı dostu simülatör sayesinde farklı algoritmaların adım adım çalışmaları, etkinlikleri
ve performansları hem sayısal hem de grafiksel olarak karşılaştırmalı gözlenebilmektedir.
Anahtar kelimeler: Gürültü, gürültü temizleme, simülatör.
Abstract One of the main problems about electrical electronics engineering is de-noising/suppressing undesired
noise which is produced various reasons and causes distortion of signals and systems’ failure.
Different algorithms are developed for de-noising one dimensional and two dimensional signals. In
carried out study, simulator which produces comparative results with using these different algorithms
and can also be used for educational purposes is designed. Step by step operations, effectiveness and
performance of dissimilar algorithms can be observed both graphically and numerically due to user
friendly simulator which de-noises signals that uploaded by users with selected methods (filters,
wavelet transforms, etc.)
Key words: Noise, de-noising, simulator.
1. Giriş
İşaretler, sistemlerin çalışmasını sağlayan temel unsurlardır. Dolayısıyla sistemlerin düzgün
çalışması için bu işaretlerin bozulmaması gerekmektedir. Ancak devre ve sistemlerdeki işleyiş
veya çevresel etkilerden dolayı işaretlerde değişiklikler/bozulmalar meydana gelmektedir. Oluşan
bozulmalardan bir kısmı gürültülerden kaynaklanmaktadır. Bundan dolayı gürültünün
bastırılması/temizlenmesi son derece önemlidir.
Birçok alandaki işaret veya görüntü gürültülerini temizlemek/bastırmak için farklı
algoritmalar/teknikler/yöntemler kullanılmaktadır: değişik türlerde filtreler, dönüşümler vb.
Literatürde de bu konuda çok sayıda çalışmalar yer almaktadır[1-24].
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 974
Gerçekleştirilen çalışmada, bir veya iki boyutlu işaretlerdeki gürültüleri farklı algoritmalarla
temizleyen arayüz programı tasarlanmıştır. Eğitim amaçlı da kullanılabilecek simülatör ile
kullanıcılar; işaret veya görüntüleri, seçtikleri algoritmalarla/yöntemlerle kolaylıkla
temizleyebilmekte, karşılaştırmalı sonuçlarla performans etkinliklerini gözlemleyebilmektedirler.
Ayrıca öğrencilerin, simülatördeki işlem basamaklarını adım adım izleyerek gürültü
bastırma/temizleme yöntemlerini/algoritmalarını kavramaları sağlanmaktadır.
2. Gürültü ve Gürültü Temizleme Algoritmaları
Analog veya sayısal tüm işaretlerde/sistemlerde gürültü oluşması veya işaretin/sistemin
gürültüden etkilenmesi mümkündür. Elektronikte gürültü, devrelerdeki işaretlerde oluşan ve
istenmeyen rastgele dalgalanmalar/değişimler/bozulmalar olarak tanımlanabilir. İşaretlerdeki
gürültü ve bozulmalar; türleri, kaynakları ve içerikleri çok çeşit olmakla birlikte Şekil 1'deki gibi
gruplandırılabilirler. Ayrıca frekans spektrumu veya zaman domeni özelliklerine göre
gürültü/gürültü işleme genel olarak Şekil 2'deki gibi sınıflandırılabilir[24].
Şekil 1. Genel gürültü/bozulma türleri/kaynakları
Gürültüler işarete/görüntüye eklenerek/çarpılarak gürültülü işaretler oluşmaktadır (Şekil 3).
Gürültü temizleme/bastırma, işaretten gürültünün çıkarılması işlemidir. Bir veya iki boyutlu
işaretlerdeki gürültüleri temizlemek/bastırmak için çok sayıda yöntem vardır. Zaman, frekans,
dalgacık gibi farklı domenlerde kullanılan filtreler (doğrusal ve doğrusal olmayan filtreler,
adaptif filtreler, ortalama filtreleri, median filtreler, wiener filtreler vb.), dönüşüm sonucu katsayı
modellemeleri ve eşiklemeleri, istatistiksel değerlendirmeler gibi yöntemler sıklıkla
kullanılmaktadır[24-25].
GÜRÜLTÜ / BOZULMA (Distorsiyon)
Elektronik
Isısal
Atış
Kırpışma
Patlama
Geçiş süresi
Elektromanyetik Elektrostatik Haberleşme
kanalları
Kanal bozunma
Çoklu yol
Yankı
Sönümleme
Kuantalama Akustik
Akustik
Akustik geribesleme ve
yankı
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 975
Şekil 2. Gürültünün genel sınıflandırılması
Şekil 3. İşarete gürültü eklenmesi
3. Geliştirilen Simülatör ve Uygulamaları
MATLAB[25] kullanılarak geliştirilen simülatörün ana ekranı Şekil 4'te ve menüleriyle görevleri
Tablo 1'de verilmektedir. Simülatöre gürültülü işaret/görüntü yüklenebilmekte veya eğitim
amaçlı temiz işaret/görüntülere belirlenen oran ve türlerde gürültüler eklenebilmektedir. Seçilen
yöntemlerle temizleme işlemi gerçekleştirilmekte, sonuçlar hem sayısal hem de grafiksel olarak
gösterilebilmektedir. Ayrıca simülatördeki mevcut tüm yöntemlerle (Tablo 2) temizleme
işlemleri yaptırılıp karşılaştırmalı sonuçlar da elde edilebilmektedir.
Birinci simülasyon olarak gürültü eklenmiş bir boyutlu işaretin dalgacık dönüşüyle temizlenmesi
işlem adımları Şekil 5'te verilmektedir. Benzer şekilde başka bir işaretin, FIR filtreler ile
temizlenmesi aşamaları Şekil 6'da verilmektedir. Şekil 7'de ise karşılaştırmalı temizleme sonuç
ekranı görülmektedir. Son simülasyon olarak da bir görüntünün "median" filtre ile temizlenmesi
Şekil 8'de yer almaktadır. Şekil 5-8'lerde görüldüğü gibi, kullanıcı/öğrenci kolaylıkla gürültülü
işaret veya görüntüyü, seçtiği yöntemlerle kolay ve etkin bir şekilde temizleyebilmektedir. Ayrıca
öğrenciler, yöntem parametrelerini değiştirerek işlem sonuçlarına etkilerini
gözlemleyebilmektedirler.
GÜRÜLTÜ
Beyaz gürültü
Bant sınırlı beyaz
gürültü
Darbant gürültü
Renkli gürültü
Dürtüsel gürültü
Geçici durum gürültü
darbeleri
İşaret
Gürültü
Gürültülü işaret +
𝑥𝑔(𝑡) = 𝑥(𝑡) + 𝑔(𝑡)
𝑥𝑔(𝑡) = 𝑥(𝑡) ∗ 𝑔(𝑡)
𝑥𝑔(𝑥, 𝑦) = 𝑥(𝑥, 𝑦) + 𝑔(𝑥, 𝑦)
𝑥𝑔(𝑥, 𝑦) = 𝑥(𝑥, 𝑦) × 𝑔(𝑥, 𝑦)
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 976
Şekil 4. Tasarlanan simülatörün ana ekranı
Tablo 1. Tasarlanan simülatörün menüleri ve görevleri
Menü Ekran görüntüsü Görevi
Dosya
Yeni simülasyonlar gerçekleştirme Simülatöre işaret/görüntü yükleme o Bir boyutlu işaret çağırma/yükleme o İki boyutlu işaret (görüntü) çağırma/yükleme o Bir veya iki boyutlu gürültülü işaret (görüntü) oluşturma ekranı
Simülasyon sonuçlarını farklı biçimlerde kaydetme Simülasyon sonuçlarını yazdırma Programdan çıkış
Temizleme
Temizleme yönteminin seçilmesi Temizleme işleminin gerçekleştirilmesi Simülatördeki tüm yöntemlerle temizleme işleminin gerçekleştirilip
karşılaştırmalı sonuçların gösterilmesi
Yardım
Simülatördeki yardım konularını inceleme Simülatör hakkındaki bilgilere erişme
Tablo 2. Simülatördeki temizleme yöntemleri seçenekleri
İşaret temizleme yöntemleri Görüntü temizleme yöntemleri Dalgacık parametreleri
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 977
Şekil 5. Birinci simülasyon için işlem adımları
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 978
Şekil 6. İkinci simülasyon için işlem adımları
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 979
Şekil 7. Üçüncü simülasyon için ekran görüntüsü
Şekil 8. Dördüncü simülasyon için ekran görüntüsü
4. Sonuçlar
Gerçekleştirilen çalışmada işaret ve görüntülerdeki gürültüleri temizlemek/bastırmak/gidermek
için genel amaçlı simülatör tasarlanmıştır. Temel temizleme algoritmalarını/yöntemlerini
barındıran kullanıcı dostu simülatör, bu konulardaki bilgileri kavratmak/pekiştirmek için eğitim
amaçlı da kullanılabilmektedir. Kullanıcılar yükledikleri veya oluşturdukları bir veya iki boyutlu
gürültülü işaretleri, seçtikleri ve yöntemlerle kolay ve etkin bir şekilde temizleyebilmektedirler.
Ayrıca parametre değişimleriyle ve karşılaştırmalı simülasyonlarla, yöntemlerinin etkinliklerini
ve performanslarını görebilmektedirler.
Kaynaklar
[1] Buades A, Coll B, Morel J-M. A non-local algorithm for image denoising. IEEE Computer
Society Conference on 2005;2:60-5.
[2] Buades A, Coll B, Morel J-M. A Review of image denoising algorithms with a new One.
Multiscale Modeling & Simulation 2005;4:490-530.
[3] Starck J-L, Candes E J, Donoho D L. The curvelet transform for image denoising. Image
Processing IEEE Transactions on 2002;11:670-684.
[4] Dabov K, Foi A, Katkovnik V, Egiazarian K. Image denoising by sparse 3-D transform-
domain collaborative filtering. Image Processing IEEE Transactions on 2007;16:2080-2095.
[5] Mahmoudi M, Sapiro G. Fast image and video denoising via nonlocal means of similar
neighborhoods. Signal Processing Letters IEEE 2005;12:839-842.
[6] Chan T F, Osher S, Shen J. The digital TV filter and nonlinear denoising. Image Processing
IEEE Transactions on 2001;10:231-241.
[7] Tao C, Kai-Kuang M, Li-Hui C. Tri-state median filter for image denoising. Image
Processing IEEE Transactions on 1999;8:1834-1838.
F. VATANSEVER et al./ ISITES2015 Valencia - Spain 980
[8] Moulin P, Juan L. Analysis of multiresolution image denoising schemes using generalized
Gaussian and complexity priors. Information Theory IEEE Transactions on 1999; 45:909-919.
[9] Beck A, Teboulle M, Fast gradient-based algorithms for constrained total variation image
denoising and deblurring problems. Image Processing IEEE Transactions on 2009;2419-2434.
[10] Hyvärinen A. Sparse code shrinkage: Denoising of nongaussian data by maximum
likelihood estimation. Neural Computation MIT Press Journals 1999;11:1739-1768.
[11] Zhang X-P, Desai MD. Adaptive denoising based on SURE risk. IEEE Signal Processing
Letters 1998;5:265-267.
[12] Donoho DL. De-noising by soft-thresholding. IEEE Transactions on Information Theory
1995;41:613-627.
[13] Katkovnik V, Egiazarian K, Astola J. Adaptive window size image de-noising based on
intersection of confidence intervals (ICI) Rule. Journal of Mathematical Imaging and Vision
2002;16:223-235.
[14] Jing-tian T, Qing Z, Yan T, Bin L, Xiao-kai Z. Hilbert-Huang transform for ECG de-
noising. The 1st International Conference on Bioinformatics and Biomedical Engineering
2007;1:664-667.
[15] Tang G, Qin A. ECG De-noising Based on Empirical Mode Decomposition. The 9th
International Conference for Young Computer Scientists 2008;9:903-906.
[16] Kawrakow I. On the de-noising of monte carlo calculated dose distributions. Physics and
Engineering in Medicine 2002;47:3087-3103.
[17] Kumar S, Kumar P, Gupta M, Nagawat AK. Performance comparison of median and wiener
filter in image de-noising International Journal of Computer Applications 2010;12:27-31.
[18] Wei D, Sheng-Lin Y, Shuan S. Image de-noising algorithm using adaptive threshold based
on contourlet transform. Acta Electronica Sinica 2007;10:124-130.
[19] Tyler B. Interpretation of TOF-SIMS images: multivariate and univariate approaches to
image de-noising, image segmentation and compound identification. Applied Surface Science
2003;203:825-831.
[20] Elboth T, Presterud IV, Hermansen D. Time-frequency seismic data de-noising.
Geophysical Prospecting 2010;58:441-453.
[21] Abdel-Galil T, El-Hag AH, Gaouda A , Salama MMA, Bartnikas R. De-noising of partial
discharge signal using eigen-decomposition technique. IEEE Transactions on Dielectrics and
Electrical Insulation 2008;15:1657-1662.
[22] Patidar P, Gupta M, Sirvastava S, Nagawat AK. Image de-noising by various filters for
different noise. International Journal of Computer Applications 2010; 9:45-50.
[23] Michailovich O, Adam D. Robust estimation of ultrasound pulses using outlier-resistant de-
noising. IEEE Transactions on Medical Imaging 2003;3:368-381.
[24] Vaseghi V, Advanced Digital Signal Processing and Noise Reduction. JohnWiley & Sons;
2008.
[25] MATLAB. The MathWorks Inc., 2007.