<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Signal and Data Processing</title>
<title_fa>پردازش علائم و داده‌ها</title_fa>
<short_title>JSDP</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://jsdp.rcisp.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-4201</journal_id_issn>
<journal_id_issn_online>2538-421X</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.66224/jsdp</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>1</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1395</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2016</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<volume>13</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>حذف نویز ضربه تصاویر با استفاده از فیلتر تطبیقی سوئیچ کننده مبتنی بر ماشین یادگیر بیشینه</title_fa>
	<title>image denoising using adaptive switching filter based on extreme learning machine</title>
	<subject_fa>مقالات پردازش تصویر</subject_fa>
	<subject>Paper</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>در این مقاله یک رویکرد کارآمد مبتنی بر ماشین یادگیر بیشینه برای تشخیص و شناسایی پیکسلهای آغشته به نویز فلفل نمک از تصاویر دیجیتال ارائه‌شده است. الگوریتم پیشنهادی با استفاده از یک طبقه بند ماشین یادگیر بیشینه با ورودی های پیکسل مرکزی، ROAD و چهار فاکتور تصمیم گیری فیلتر SD-ROM، ابتدا پیکسل های نویزی را تشخیص داده و سپس با استفاده از فیلتر میانه تطبیقی، مقدار پیکسل نویزی تخمین زده می شود. نتایج حاصل از ارزیابی عملکرد طبقه بند، نمایانگر قابلیت بالای ویژگی های ورودی در متمایزکردن پیکسل نویزی از پیکسل سالم است. برای ارزیابی، تصاویر بهبودیافته توسط الگوریتم پیشنهادی با تصاویر حاصل از چند فیلتر متداول دیگر مقایسه و از معیار نرخ ماکزیمم سیگنال به نویز استفاده شد. نتایج عددی حاصل از آزمایش‌ها حاکی از کارآمدی فیلتر پیشنهادی ازنظر معیارهای کمی و کیفی می باشند.</abstract_fa>
	<abstract>&lt;p&gt;In this paper a new efficient method for detecting the impulse noise from the corrupted image using extreme learning machine (ELM) is proposed. An improved version of the standard median filter is suggested to remove the detected noisy pixel. The performance of proposed detector is evaluated using classification accuracy. The results show that our detector is robust even at higher noise density. Results illustrate that proposed filter provides better performance in terms of PSNR than many other median filter variants for Salt and pepper noise. . The suggested technique yields significantly good results both in objective and subjective judgments of image quality.&lt;/p&gt;
</abstract>
	<keyword_fa>حذف نویز, ماشین یادگیر بیشینه, فیلتر میانه تطبیقی , نویز فلفل نمک, فیلتر سوئیچ کننده</keyword_fa>
	<keyword></keyword>
	<start_page>15</start_page>
	<end_page>25</end_page>
	<web_url>http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-661-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>majid</first_name>
	<middle_name></middle_name>
	<last_name>khorashadizadeh</last_name>
	<suffix></suffix>
	<first_name_fa>مجید</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>خراشادیزاده</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>smkh1985@gmail.com</email>
	<code>10031947532846002660</code>
	<orcid>10031947532846002660</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>yazd university</affiliation>
	<affiliation_fa>دانشگاه یزد</affiliation_fa>
	 </author>


	<author>
	<first_name>ali mohammad</first_name>
	<middle_name></middle_name>
	<last_name>latif</last_name>
	<suffix></suffix>
	<first_name_fa>علی محمد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>لطیف</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>alatif@yazduni.ac.ir</email>
	<code>10031947532846002661</code>
	<orcid>10031947532846002661</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>yazd university</affiliation>
	<affiliation_fa>دانشگاه یزد</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
