Hispanopedia Wiki
Articulo de referencia

Reducción de ruido

La reducción de ruido es el proceso de eliminar el ruido de una señal . Existen técnicas de reducción de ruido para audio e imágenes. Los algoritmos de reducción de ruido pueden...

Hispanopedia WikiContenido en espanolLectura gratuita

La reducción de ruido es el proceso de eliminar el ruido de una señal . Existen técnicas de reducción de ruido para audio e imágenes. Los algoritmos de reducción de ruido pueden distorsionar la señal en cierta medida. El rechazo de ruido es la capacidad de un circuito para aislar un componente de señal no deseado del componente de señal deseado, como en el caso de la relación de rechazo en modo común .

Todos los dispositivos de procesamiento de señales , tanto analógicos como digitales , poseen características que los hacen susceptibles al ruido. El ruido puede ser aleatorio, con una distribución de frecuencia uniforme ( ruido blanco ), o bien, puede ser dependiente de la frecuencia, introducido por el mecanismo del dispositivo o por los algoritmos de procesamiento de señales.

En los sistemas electrónicos , un tipo importante de ruido es el silbido generado por el movimiento aleatorio de los electrones debido a la agitación térmica. Estos electrones agitados se suman y se restan rápidamente de la señal de salida, creando así un ruido detectable .

En el caso de la película fotográfica y la cinta magnética , el ruido (tanto visible como audible) se introduce debido a la estructura granular del soporte. En la película fotográfica, el tamaño de los granos determina su sensibilidad; las películas más sensibles tienen granos de mayor tamaño. En la cinta magnética, cuanto mayores sean los granos de las partículas magnéticas (generalmente óxido férrico o magnetita ), más propenso será el soporte al ruido. Para compensar esto, se pueden utilizar áreas más grandes de película o cinta magnética para reducir el ruido a un nivel aceptable.

En general

Los algoritmos de reducción de ruido tienden a alterar las señales en mayor o menor grado. El algoritmo de ortogonalización local de señal y ruido puede utilizarse para evitar cambios en las señales. [ 1 ]

En exploración sísmica

El aumento de señales en datos sísmicos es especialmente crucial para la obtención de imágenes sísmicas , [ 2 ] [ 3 ] la inversión, [ 4 ] [ 5 ] y la interpretación, [ 6 ] lo que mejora considerablemente la tasa de éxito en la exploración de petróleo y gas. [ 7 ] [ 8 ] [ 9 ] La señal útil que se difumina en el ruido aleatorio ambiental a menudo se ignora y, por lo tanto, puede causar discontinuidades falsas de eventos sísmicos y artefactos en la imagen migrada final. Mejorar la señal útil al tiempo que se preservan las propiedades de los bordes de los perfiles sísmicos mediante la atenuación del ruido aleatorio puede ayudar a reducir las dificultades de interpretación y los riesgos de errores en la detección de petróleo y gas.

En audio

El ruido de fondo en la cinta es un problema que limita el rendimiento en la grabación analógica en cinta . Esto se relaciona con el tamaño y la textura de las partículas utilizadas en la emulsión magnética que se rocía sobre el soporte de grabación, así como con la velocidad relativa de la cinta a través de los cabezales de grabación .

Existen cuatro tipos de reducción de ruido: pregrabación de un solo extremo, reducción de siseo de un solo extremo, reducción de ruido de superficie de un solo extremo y sistemas de códec o de doble extremo. Los sistemas de pregrabación de un solo extremo (como Dolby HX Pro ) actúan sobre el medio de grabación en el momento de la grabación. Los sistemas de reducción de siseo de un solo extremo (como DNL [ 10 ] o DNR ) actúan para reducir el ruido a medida que se produce, incluyendo tanto antes como después del proceso de grabación, así como para aplicaciones de transmisión en vivo. La reducción de ruido de superficie de un solo extremo (como CEDAR y los anteriores SAE 5000A, Burwen TNE 7000 y Packburn 101/323/323A/323AA y 325 [ 11 ] ) se aplica a la reproducción de discos de fonógrafo para abordar arañazos, chasquidos y no linealidades de superficie. Los expansores de rango dinámico de un solo extremo, como el sistema de reducción de ruido y recuperación de rango dinámico Phase Linear Autocorrelator (modelos 1000 y 4000), pueden reducir diversos tipos de ruido en grabaciones antiguas. Los sistemas de doble extremo (como el sistema de reducción de ruido Dolby o dbx ) aplican un proceso de preénfasis durante la grabación y, posteriormente, un proceso de deénfasis durante la reproducción.

Las grabaciones de sonido digitales modernas ya no tienen que preocuparse por el ruido de fondo de las cintas, por lo que los sistemas de reducción de ruido de estilo analógico no son necesarios. Sin embargo, un detalle interesante es que los sistemas de tramado añaden ruido a la señal para mejorar su calidad.

Sistemas de reducción de ruido basados ​​en compresores-expansores

Los sistemas de reducción de ruido con compresor-expansor de doble extremo aplican un proceso de preénfasis durante la grabación y, posteriormente, un proceso de desénfasis durante la reproducción. Los sistemas incluyen los sistemas profesionales Dolby A [ 10 ] y Dolby SR de Dolby Laboratories , dbx Professional y dbx Type I de dbx , EMT NoiseBX de Donald Aldous , [ 12 ] Burwen Noise Eliminator , [ 13 ] [ 14 ] [ 15 ] telcom c4 de Telefunken [ 10 ] y MXR de MXR Innovations [ 16 ] así como los sistemas de consumo Dolby NR , Dolby B , [ 10 ] Dolby C y Dolby S , dbx Type II , [ 10 ] High Com de Telefunken [ 10 ] y High-Com II de Nakamichi , adres de Toshiba (Aurex AD-4) , [ 10 ] [ 17 ] ANRS de JVC [ 10 ] [ 17 ] y Super ANRS , [ 10 ] [ 17 ] Fisher / El Super D de Sanyo , [ 18 ] [ 10 ] [ 17 ] SNRS , [ 17 ] y el sistema húngaro/alemán oriental Ex-Ko . [ 19 ] [ 17 ]

En algunos sistemas de compresión y expansión, la compresión se aplica durante la producción de medios profesionales y solo la expansión la aplica el oyente; por ejemplo, sistemas como dbx disc , High-Com II , CX 20 [ 17 ] y UC utilizados para grabaciones en vinilo y Dolby FM , High Com FM y FMX utilizados en la radiodifusión FM.

La primera técnica de reducción de ruido de audio ampliamente utilizada fue desarrollada por Ray Dolby en 1966. Diseñada para uso profesional, Dolby Tipo A era un sistema de codificación/decodificación en el que la amplitud de las frecuencias en cuatro bandas se incrementaba durante la grabación (codificación) y luego se reducía proporcionalmente durante la reproducción (decodificación). En particular, al grabar las partes silenciosas de una señal de audio,  se potenciaban las frecuencias superiores a 1 kHz. Esto tenía el efecto de aumentar la relación señal/ruido en la cinta hasta 10  dB, dependiendo del volumen inicial de la señal. Al reproducirla, el decodificador invertía el proceso, reduciendo así el nivel de ruido hasta en 10  dB.

El sistema Dolby B (desarrollado en colaboración con Henry Kloss ) era un sistema de banda única diseñado para productos de consumo. Si bien el sistema Dolby B no era tan eficaz como el Dolby A, tenía la ventaja de poder reproducirse sin problemas en sistemas que no requerían decodificador.

El circuito integrado Telefunken High Com U401BR también podía utilizarse para funcionar como un compresor/expansor compatible principalmente con Dolby B. [ 20 ] En varias pletinas de cinta High Com de última generación , la funcionalidad de expansión D NR que emulaba Dolby-B funcionaba no solo para la reproducción, sino también, como una característica no documentada, durante la grabación .

dbx era un sistema de reducción de ruido analógico de la competencia desarrollado por David E. Blackmer , fundador de Dbx, Inc. [ 21 ] Utilizaba un algoritmo de codificación/decodificación de raíz cuadrática media (RMS) con las altas frecuencias propensas al ruido realzadas, y toda la señal pasaba por un compresor/expansor 2:1. dbx operaba en todo el ancho de banda audible y, a diferencia de Dolby B, era inutilizable sin un decodificador. Sin embargo, podía lograr hasta 30  dB de reducción de ruido.

Dado que las grabaciones de vídeo analógicas utilizan modulación de frecuencia para la parte de luminancia (señal de vídeo compuesta en sistemas de color directo), lo que mantiene la cinta al nivel de saturación, la reducción de ruido al estilo del audio es innecesaria.

Limitador de ruido dinámico y reducción de ruido dinámica

El limitador de ruido dinámico ( DNL ) es un sistema de reducción de ruido de audio introducido originalmente por Philips en 1971 para su uso en pletinas de casete . [ 10 ] Su circuito también se basa en un solo chip . [ 22 ] [ 23 ]

Posteriormente , National Semiconductor lo desarrolló como reducción dinámica de ruido ( DNR ) para reducir los niveles de ruido en la telefonía de larga distancia . [ 24 ] Comercializado por primera vez en 1981, el DNR se confunde frecuentemente con el sistema de reducción de ruido Dolby , mucho más común . [ 25 ]

A diferencia de los sistemas de reducción de ruido Dolby y dbx Tipo I y Tipo II , DNL y DNR son sistemas de procesamiento de señal solo para reproducción que no requieren que el material de origen se codifique previamente. Se pueden usar para eliminar el ruido de fondo de cualquier señal de audio, incluidas las grabaciones en cinta magnética y las emisiones de radio FM , reduciendo el ruido hasta en 10  dB. [ 26 ] También se pueden usar junto con otros sistemas de reducción de ruido, siempre que se usen antes de aplicar DNR para evitar que DNR provoque errores de seguimiento en el otro sistema de reducción de ruido. [ 27 ]

Una de las primeras aplicaciones generalizadas de DNR fue en los sistemas de audio para automóviles GM Delco en los vehículos GM estadounidenses introducidos en 1984. [ 28 ] También se utilizó en los sistemas de audio de fábrica de los vehículos Jeep en la década de 1980, como el Cherokee XJ . Hoy en día, DNR, DNL y sistemas similares se encuentran con mayor frecuencia como sistemas de reducción de ruido en sistemas de micrófono. [ 29 ]

Otros enfoques

Una segunda clase de algoritmos opera en el dominio tiempo-frecuencia utilizando filtros lineales o no lineales con características locales, denominados a menudo filtros tiempo-frecuencia . [ 30 ] El ruido también puede eliminarse mediante herramientas de edición espectral, que operan en este dominio tiempo-frecuencia, permitiendo modificaciones locales sin afectar la energía de la señal cercana. Esto puede hacerse manualmente, de forma similar a un programa de dibujo, mediante la creación de imágenes. Otra opción es definir un umbral dinámico para filtrar el ruido derivado de la señal local, también con respecto a una región tiempo-frecuencia local. Todo lo que esté por debajo del umbral se filtrará; todo lo que esté por encima, como los parciales de una voz o el ruido deseado , permanecerá intacto. La región se define típicamente por la frecuencia instantánea de la señal, [ 31 ] ya que la mayor parte de la energía de la señal que se desea conservar se concentra alrededor de ella.

Otra alternativa es el limitador y supresor de ruido automático, comúnmente presentes en transceptores de radioaficionados , transceptores de radio CB , etc. Ambos filtros pueden utilizarse por separado o simultáneamente, según las características del transceptor.

Programas de software

La mayoría de las estaciones de trabajo de audio digital (DAW) y los programas de edición de audio cuentan con una o más funciones de reducción de ruido.

En imágenes

Las imágenes tomadas con cámaras digitales o cámaras de película convencionales captan ruido de diversas fuentes. Para su posterior uso, a menudo será necesario reducir dicho ruido, ya sea por motivos estéticos o prácticos, como la visión artificial .

Tipos

En el ruido de sal y pimienta (perturbaciones dispersas de luz y oscuridad), [ 32 ] también conocido como ruido impulsivo, [ 33 ] los píxeles de la imagen presentan diferencias significativas en color o intensidad con respecto a los píxeles circundantes; la característica definitoria es que el valor de un píxel ruidoso no guarda relación con el color de los píxeles circundantes. Al visualizar la imagen, se observan puntos oscuros y blancos, de ahí el término ruido de sal y pimienta. Generalmente, este tipo de ruido solo afecta a un número reducido de píxeles de la imagen. Las fuentes típicas incluyen motas de polvo dentro de la cámara y elementos CCD sobrecalentados o defectuosos .

En el ruido gaussiano , [ 34 ] cada píxel de la imagen se modificará respecto a su valor original en una cantidad (generalmente) pequeña. Un histograma, que representa la magnitud de la distorsión del valor de un píxel en función de la frecuencia con la que se produce, muestra una distribución normal del ruido. Si bien son posibles otras distribuciones, la distribución gaussiana (normal) suele ser un buen modelo, debido al teorema del límite central que establece que la suma de diferentes ruidos tiende a aproximarse a una distribución gaussiana.

En ambos casos, el ruido en diferentes píxeles puede estar correlacionado o no correlacionado; en muchos casos, los valores de ruido en diferentes píxeles se modelan como independientes e idénticamente distribuidos y, por lo tanto, no correlacionados.

Eliminación

Compensaciones

Existen muchos algoritmos de reducción de ruido en el procesamiento de imágenes. [ 35 ] Al seleccionar un algoritmo de reducción de ruido, se deben sopesar varios factores:

  • la potencia informática disponible y el tiempo disponible: una cámara digital debe aplicar la reducción de ruido en una fracción de segundo utilizando una pequeña CPU integrada, mientras que un ordenador de sobremesa tiene mucha más potencia y tiempo.
  • si es aceptable sacrificar algún detalle real si eso permite eliminar más ruido (con qué rigor decidir si las variaciones en la imagen son ruido o no).
  • las características del ruido y el detalle en la imagen, para tomar mejor esas decisiones

Separación de ruido cromático y de luminancia

En las fotografías reales, el detalle de mayor frecuencia espacial consiste principalmente en variaciones de brillo ( detalles de luminancia ) en lugar de variaciones de tono ( detalles de croma ) o cromaticidad . La mayoría de los algoritmos de reducción de ruido fotográfico dividen el detalle de la imagen en componentes de croma y luminancia y aplican mayor reducción de ruido al primero , o permiten al usuario controlar la reducción de ruido de croma y luminancia por separado.

Filtros de suavizado lineal

Un método para eliminar el ruido consiste en convolucionar la imagen original con una máscara que representa un filtro de paso bajo o una operación de suavizado. Por ejemplo, la máscara gaussiana se compone de elementos determinados por una función gaussiana . Esta convolución armoniza el valor de cada píxel con los valores de sus vecinos. En general, un filtro de suavizado asigna a cada píxel el valor promedio, o un promedio ponderado, de sí mismo y sus vecinos cercanos; el filtro gaussiano es solo un conjunto posible de ponderaciones.

Los filtros de suavizado tienden a desenfocar una imagen porque los valores de intensidad de los píxeles que son significativamente mayores o menores que los del entorno se extienden por toda la zona. Debido a este desenfoque, los filtros lineales rara vez se utilizan en la práctica para la reducción de ruido; sin embargo, suelen servir de base para los filtros de reducción de ruido no lineales.

difusión anisotrópica

Otro método para eliminar el ruido consiste en procesar la imagen mediante una ecuación diferencial parcial de suavizado similar a la ecuación del calor , denominada difusión anisotrópica . Con un coeficiente de difusión espacialmente constante, esto equivale a la ecuación del calor o al filtrado gaussiano lineal , pero con un coeficiente de difusión diseñado para detectar bordes, se puede eliminar el ruido sin difuminar los bordes de la imagen.

Medios no locales

Otro método para eliminar el ruido se basa en el promedio no local de todos los píxeles de una imagen. En concreto, la ponderación de un píxel se basa en el grado de similitud entre una pequeña región centrada en ese píxel y la región centrada en el píxel que se está tratando de eliminar el ruido.

Filtros no lineales

Un filtro de mediana es un ejemplo de filtro no lineal y, si está bien diseñado, es muy eficaz para preservar los detalles de la imagen. Para ejecutar un filtro de mediana:

  1. Consideremos cada píxel de la imagen.
  2. ordenar los píxeles vecinos en función de sus intensidades
  3. Reemplazar el valor original del píxel con el valor mediano de la lista.

Un filtro de mediana es un filtro de selección de rango (RS), un miembro particularmente severo de la familia de filtros de selección de rango condicionados por rango (RCRS); [ 36 ] a veces se prefiere un miembro mucho más suave de esa familia, por ejemplo, uno que selecciona el más cercano de los valores vecinos cuando el valor de un píxel es externo en su vecindario, y lo deja sin cambios en caso contrario, especialmente en aplicaciones fotográficas.

Los filtros de mediana y otros filtros RCRS son eficaces para eliminar el ruido de tipo sal y pimienta de una imagen, y también provocan relativamente poca borrosidad en los bordes, por lo que se utilizan con frecuencia en aplicaciones de visión artificial.

transformada wavelet

El objetivo principal de un algoritmo de eliminación de ruido de imágenes es lograr tanto la reducción de ruido [ 37 ] como la preservación de características [ 38 ] utilizando bancos de filtros wavelet. [ 39 ] En este contexto, los métodos basados ​​en wavelets son de particular interés. En el dominio wavelet, el ruido se distribuye uniformemente a lo largo de los coeficientes, mientras que la mayor parte de la información de la imagen se concentra en unos pocos coeficientes grandes. [ 40 ] Por lo tanto, los primeros métodos de eliminación de ruido basados ​​en wavelets se basaron en el umbral de los coeficientes de subbanda de detalle. [ 41 ] Sin embargo, la mayoría de los métodos de umbralización wavelet adolecen del inconveniente de que el umbral elegido puede no coincidir con la distribución específica de los componentes de señal y ruido en diferentes escalas y orientaciones.

Para abordar estas desventajas, se han desarrollado estimadores no lineales basados ​​en la teoría bayesiana. En el marco bayesiano, se ha reconocido que un algoritmo de eliminación de ruido eficaz puede lograr tanto la reducción de ruido como la preservación de características si emplea una descripción estadística precisa de los componentes de la señal y el ruido. [ 40 ]

Métodos estadísticos

También existen métodos estadísticos para la eliminación de ruido en imágenes. Para el ruido gaussiano , se pueden modelar los píxeles de una imagen en escala de grises como distribuidos de forma autonormal, donde el valor real de escala de grises de cada píxel se distribuye normalmente con una media igual al valor promedio de escala de grises de sus píxeles vecinos y una varianza dada.

Dejarδi{\displaystyle \delta _{i}}denotan los píxeles adyacentes ali{\displaystyle i}-ésimo píxel. Luego, la distribución condicional de la intensidad de escala de grises (en un[0,1]{\displaystyle [0,1]}escala) en eli{\displaystyle i}-el nodo es PAG(incógnita(i)=do∣incógnita(j)∀j∈δi)∝exp⁡(−β2λ∑j∈δi(do−incógnita(j))2){\displaystyle \mathbb {P} {\big (}x(i)=c\mid x(j)\,\forall j\in \delta _{i}{\big )}\propto \exp \left(-{\frac {\beta }{2\lambda }}\sum _{j\in \delta _{i}}{\big (}cx(j){\big )}^{2}\right)} para un parámetro elegidoβ≥0{\displaystyle \beta \geq 0}y varianzaλ{\displaystyle \lambda }Un método de eliminación de ruido que utiliza el modelo autonormal emplea los datos de la imagen como una distribución a priori bayesiana y la densidad autonormal como una función de verosimilitud, cuya distribución a posteriori resultante ofrece una media o moda como imagen sin ruido. [ 42 ] [ 43 ]

Algoritmos de coincidencia de bloques

Se puede aplicar un algoritmo de coincidencia de bloques para agrupar fragmentos de imagen similares de macrobloques superpuestos de tamaño idéntico. A continuación, se filtran pilas de macrobloques similares en el dominio de la transformada y, finalmente, cada fragmento de imagen se restaura a su ubicación original mediante un promedio ponderado de los píxeles superpuestos. [ 44 ]

Campo aleatorio

Shrinkage fields es una técnica de aprendizaje automático basada en campos aleatorios que ofrece un rendimiento comparable al de Block-matching y 3D filtering, pero requiere una sobrecarga computacional mucho menor, de modo que puede ejecutarse directamente en sistemas embebidos . [ 45 ]

Aprendizaje profundo

Se han propuesto varios enfoques de aprendizaje profundo para lograr la reducción de ruido [ 46 ] y tareas similares de restauración de imágenes . Deep Image Prior es una de estas técnicas que utiliza redes neuronales convolucionales y se destaca porque no requiere datos de entrenamiento previos. [ 47 ]

Software

La mayoría de los programas de edición de imágenes y fotografías de uso general incluyen una o más funciones de reducción de ruido (mediana, desenfoque , eliminación de ruido granulado, etc.).

Véase también

Problemas de ruido en general

Audio

Imágenes y vídeo

Problemas similares

Referencias

  1. ↑ Chen, Yangkang; Fomel, Sergey (noviembre-diciembre de 2015). "Atenuación de ruido aleatorio mediante ortogonalización local de señal y ruido". Geophysics . 80 (6): WD1–WD9. Bibcode : 2015Geop...80D...1C . doi : 10.1190/GEO2014-0227.1 . S2CID 120440599 . 
  2. ↑ Xue, Zhiguang; Chen, Yangkang; Fomel, Sergey; Sun, Junzhe (2016). "Imágenes sísmicas de datos incompletos y datos de fuentes simultáneas mediante migración de tiempo inverso por mínimos cuadrados con regularización de forma" . Geophysics . 81 (1): S11–S20. Bibcode : 2016Geop...81S..11X . doi : 10.1190/geo2014-0524.1 .
  3. ↑ Chen, Yangkang; Yuan, Jiang; Zu, Shaohuan; Qu, Shan; Gan, Shuwei (2015). "Imágenes sísmicas de datos de fuentes simultáneas mediante migración inversa en tiempo de mínimos cuadrados restringidos". Journal of Applied Geophysics . 114 : 32–35 . Bibcode : 2015JAG...114...32C . doi : 10.1016/j.jappgeo.2015.01.004 .
  4. ↑ Chen, Yangkang; Chen, Hanming; Xiang, Kui; Chen, Xiaohong (2017). "Interpolación de registros de pozos guiada por la estructura geológica para la inversión de forma de onda completa de alta fidelidad" . Geophysical Journal International . 209 (1): 21– 31. Bibcode : 2016GeoJI.207.1313C . doi : 10.1093/gji/ggw343 .
  5. ↑ Gan, Shuwei; Wang, Shoudong; Chen, Yangkang; Qu, Shan; Zu, Shaohuan (2016). "Análisis de velocidad de datos de fuentes simultáneas mediante semejanza de alta resolución: cómo lidiar con el fuerte ruido" . Geophysical Journal International . 204 (2): 768– 779. Bibcode : 2016GeoJI.204..768G . doi : 10.1093/gji/ggv484 .
  6. ↑ Chen, Yangkang (2017). "Explorando las características kársticas del subsuelo mediante la descomposición tiempo-frecuencia". Interpretación . 4 (4): T533–T542. doi : 10.1190/INT-2016-0030.1 .
  7. ↑ Huang, Weilin; Wang, Runqiu; Chen, Yangkang; Li, Huijian; Gan, Shuwei (2016). "Análisis de espectro singular multicanal amortiguado para la atenuación de ruido aleatorio 3D". Geophysics . 81 (4): V261–V270. Bibcode : 2016Geop...81V.261H . doi : 10.1190/geo2015-0264.1 .
  8. ↑ Chen, Yangkang (2016). "Filtrado estructural separado por buzamiento usando transformada seislet y filtro de buzamiento basado en descomposición empírica de modo adaptativo" . Geophysical Journal International . 206 (1): 457– 469. Bibcode : 2016GeoJI.206..457C . doi : 10.1093/gji/ggw165 .
  9. ↑ Chen, Yangkang; Ma, Jianwei; Fomel, Sergey (2016). "Diccionario de doble escasez para la atenuación del ruido sísmico". Geophysics . 81 (4): V261–V270. Bibcode : 2016Geop...81V.193C . doi : 10.1190/geo2014-0525.1 .
  10. 1 2 3 4 5 6 7 8 9 10 11 "High Com - el último sistema de reducción de ruido / Reducción de ruido - el silencio es oro" (PDF) . elektor (Reino Unido) – electrónica actualizada para laboratorio y ocio . Vol. 1981, n.º 70. Febrero de 1981. págs. 2-04 – 2-09 . Archivado (PDF) del original el 2 de julio de 2020. Recuperado el 2 de julio de 2020 .   (6 páginas)
  11. ↑ Manual del propietario del supresor de ruido de audio modelo 325 (PDF) . Rev. 15-1. Syracuse, Nueva York, EE. UU.: Packburn electronics inc. Archivado (PDF) del original el 5 de mayo de 2021. Consultado el 16 de mayo de 2021 .(6+36 páginas)
  12. ↑ R., C. (1965). "Kompander verbessert Magnettonkopie". Mentor de radio (en alemán). 1965 (4): 301–303 .
  13. ↑ Burwen, Richard S. (febrero de 1971). "Un filtro de ruido dinámico". Journal of the Audio Engineering Society . 19 (1).
  14. ↑ Burwen, Richard S. (junio de 1971). "Rango dinámico de 110 dB para cinta" (PDF) . Audio : 49–50 . Archivado (PDF) del original el 13 de noviembre de 2017. Recuperado el 13 de noviembre de 2017 .
  15. ↑ Burwen, Richard S. (diciembre de 1971). "Diseño de un sistema eliminador de ruido". Journal of the Audio Engineering Society . 19 (11): 906– 911.
  16. ↑ Lambert, Mel (septiembre de 1978). "MXR Compander" . Sound International . Archivado del original el 28 de octubre de 2020. Consultado el 25 de abril de 2021 .
  17. ^ Bergmann , Heinz ( 1982 ) . "Verfahren zur Rauschminderung bei der Tonsignalverarbeitung" (PDF) . radio fernsehen elektronik (rfe) (en alemán). vol. 31, núm. 11. Berlín, Alemania: VEB Verlag Technik . págs. 731–736 [731]. ISSN 0033-7900 . Archivado (PDF) desde el original el 5 de mayo de 2021 . Consultado el 5 de mayo de 2021 . pag. 731: ExKo Breitband-Kompander Aufnahme/Wiedergabe 9 dB Tonband      (Nota: La página 736 no aparece en el PDF adjunto).
  18. ^ Haase, Hans-Joachim (agosto de 1980). Escrito en Aschau, Alemania. "Rauschunterdrückung: Kampf dem Rauschen" . Systeme und Konzepte. Funk-Technik - Fachzeitschrift für Funk-Elektroniker und Radio-Fernseh-Techniker - Offizielles Mitteilungsblatt der Bundesfachgruppe Radio- und Fernsehtechnik (en alemán). vol. 35, núm. 8. Heidelberg, Alemania: Dr. Alfred Hüthig Verlag GmbH . Págs. W293– W296, W298, W300 [W298, W300]. ISSN 0016-2825 . Archivado desde el original el 16 de mayo de 2021 . Consultado el 25 de abril de 2021 .    
  19. ↑ «Stereo Automat MK42 R-Player Budapesti Rádiótechnikai Gyár B» . Archivado desde el original el 26 de abril de 2021 . Consultado el 25 de abril de 2021 .
  20. ↑ HIGH COM - El compresor-expansor de banda ancha HIGH COM que utiliza el circuito integrado U401BR (PDF) (Información sobre semiconductores 2.80). AEG-Telefunken . Archivado (PDF) del original el 16 de abril de 2016. Consultado el 16 de abril de 2016 .
  21. ↑ Hoffman, Frank W. (2004). Enciclopedia del sonido grabado . Vol. 1 ( ed. revisada ). Taylor & Francis .  
  22. ↑ "Reducción de ruido" . Audiotools.com. 10 de noviembre de 2013. Archivado del original el 13 de mayo de 2008. Consultado el 14 de enero de 2009 .
  23. ↑ "Limitador de ruido dinámico de Philips" . Archivado del original el 5 de noviembre de 2008. Consultado el 14 de enero de 2009 .
  24. ↑ "Reducción dinámica de ruido" . ComPol Inc. Archivado del original el 21/11/2009 . Consultado el 14/01/2009 .
  25. ↑ "Historia" . Archivado del original el 27 de septiembre de 2007. Consultado el 14 de enero de 2009 .
  26. ↑ "Sistema de reducción de ruido dinámico LM1894 DNR" . Archivado del original el 20 de diciembre de 2008. Consultado el 14 de enero de 2009 .
  27. ↑ "Términos de audio" . Archivado del original el 20 de diciembre de 2008. Consultado el 14 de enero de 2009 .
  28. ↑ Gunyo, Ed. "Evolución del Riviera - 1983, 20.º aniversario" . Riviera Owners Association. Archivado del original el 5 de julio de 2008. Consultado el 14 de enero de 2009 .(Nota: Publicado originalmente en The Riview , vol. 21, n.º 6, septiembre/octubre de 2005).
  29. ↑ "Auriculares con cancelación de ruido y micrófono" . InsmartWeb . 19 de julio de 2025. Consultado el 22 de julio de 2025 .
  30. ↑ Boashash, B., ed. (2003). Análisis y procesamiento de señales tiempo-frecuencia: una referencia completa . Oxford: Elsevier Science . ISBN 978-0-08-044335-5.
  31. ↑ Boashash, B. (abril de 1992). "Estimación e interpretación de la frecuencia instantánea de una señal - Parte I: Fundamentos". Actas del IEEE . 80 (4): 519– 538. doi : 10.1109/5.135376 .
  32. ↑ Banerjee, Shounak; Sarkar, Debarpito; Chatterjee, Debraj; Chowdhuri, Sunanda Roy (25 de junio de 2021). «Eliminación de ruido de sal y pimienta de alta densidad en imágenes en color mediante la introducción de un nuevo filtro mejorado». Conferencia Internacional de Tecnologías Inteligentes (CONIT) de 2021. Hubli, India: IEEE. págs. 1-6 . doi : 10.1109/CONIT51480.2021.9498402 . ISBN  978-1-7281-8583-5. S2CID 236920367 . 
  33. ↑ Orazaev, Anzor; Lyakhov, Pavel; Baboshina, Valentina; Kalita, Diana (26 de enero de 2023). "Sistema de red neuronal para el reconocimiento de imágenes afectadas por ruido impulsivo de valor aleatorio" . Ciencias Aplicadas . 13 (3): 1585. doi : 10.3390/app13031585 . ISSN 2076-3417 . 
  34. ↑ Dong, Suge; Dong, Chunxiao; Li, Zishuang; Ge, Mingtao (15 de julio de 2022). «Método de eliminación de ruido gaussiano basado en la transformada wavelet empírica y la prueba de hipótesis». Tercera Conferencia Internacional de 2022 sobre Big Data, Inteligencia Artificial e Ingeniería del Internet de las Cosas (ICBAIE) . Xi'an, China: IEEE. págs. 24-27 . doi : 10.1109/ICBAIE56435.2022.9985814 . ISBN  978-1-6654-5160-4. S2CID 254999960 . 
  35. ↑ Mehdi Mafi, Harold Martin, Jean Andrian, Armando Barreto, Mercedes Cabrerizo, Malek Adjouadi, "Un estudio exhaustivo sobre filtros de eliminación de ruido de impulsos y gaussianos para imágenes digitales", Procesamiento de señales, vol. 157, págs. 236–260, 2019.
  36. ↑ Liu, Puyin; Li, Hongxing (2004). "Redes neuronales difusas: Teoría y aplicaciones" . En Casasent, David P. (ed.). Robots inteligentes y visión por computadora XIII: Algoritmos y visión por computadora . Vol. 2353. World Scientific. pp. 303–325 . Bibcode : 1994SPIE.2353..303G . doi : 10.1117/12.188903 . ISBN   978-981-238-786-8. S2CID 62705333 . 
  37. ↑ Chervyakov, NI; Lyakhov, PA; Nagornov, NN (2018-11-01). "Ruido de cuantización de filtros de transformada wavelet discreta multinivel en el procesamiento de imágenes" . Optoelectrónica, instrumentación y procesamiento de datos . 54 (6): 608– 616. Bibcode : 2018OIDP...54..608C . doi : 10.3103/S8756699018060092 . ISSN 1934-7944 . S2CID 128173262 .  
  38. ↑ Craciun, G.; Jiang, Ming; Thompson, D.; Machiraju, R. (marzo de 2005). "Diseño de ondículas en el dominio espacial para la preservación de características en conjuntos de datos computacionales". IEEE Transactions on Visualization and Computer Graphics . 11 (2): 149– 159. Bibcode : 2005ITVCG..11..149C . doi : 10.1109/TVCG.2005.35 . ISSN 1941-0506 . PMID 15747638 . S2CID 1715622 .   
  39. ↑ Gajitzki, Paul; Isar, Dorina; Simu, Călin (noviembre de 2018). «Bancos de filtros basados ​​en ondículas para el análisis espectral en tiempo real». Simposio Internacional de Electrónica y Telecomunicaciones (ISETC) de 2018. págs. 1–4 . doi : 10.1109/ISETC.2018.8583929 . ISBN  978-1-5386-5925-0. S2CID 56599099 . 
  40. 1 2 Forouzanfar, M.; Abrishami-Moghaddam, H.; Ghadimi, S. (julio de 2008). "Método bayesiano multiescala adaptativo local para la eliminación de ruido de imágenes basado en distribuciones gaussianas inversas normales bivariadas". International Journal of Wavelets, Multiresolution and Information Processing . 6 (4): 653– 664. doi : 10.1142/S0219691308002562 . S2CID 31201648 . 
  41. ↑ Mallat, S. (1998). Un recorrido por el procesamiento de señales mediante ondículas . Londres: Academic Press .
  42. ↑ Besag, Julian (1986). " Sobre el análisis estadístico de imágenes sucias" (PDF) . Journal of the Royal Statistical Society. Serie B (Metodológica) . 48 (3): 259–302 . doi : 10.1111/j.2517-6161.1986.tb01412.x . JSTOR 2345426. Archivado (PDF) del original el 29 de agosto de 2017. Recuperado el 24 de septiembre de 2019 . 
  43. ↑ Seyyedi, Saeed (2018). "Incorporación de una técnica de reducción de ruido en la tomografía tensorial de rayos X". IEEE Transactions on Computational Imaging . 4 (1): 137– 146. Bibcode : 2018ITCI....4..137S . doi : 10.1109/TCI.2018.2794740 . JSTOR 17574903. S2CID 46793582 .  
  44. ↑ Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 de julio de 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing . 16 (8): 2080– 2095. Bibcode : 2007ITIP...16.2080D . CiteSeerX 10.1.1.219.5398 . doi : 10.1109/TIP.2007.901238 . PMID 17688213 . S2CID 1475121 .   
  45. ↑ Schmidt, Uwe; Roth, Stefan (2014). Campos de contracción para la restauración efectiva de imágenes (PDF) . Conferencia IEEE de 2014 sobre visión por computadora y reconocimiento de patrones (CVPR). Columbus, OH, EE. UU.: IEEE. doi : 10.1109/CVPR.2014.349 . ISBN 978-1-4799-5118-5. Archivado (PDF) del original el 2 de enero de 2018. Recuperado el 3 de enero de 2018 .
  46. ↑ Dietz, Henry (2022). "Un algoritmo mejorado de mejora de imágenes sin procesar que utiliza un modelo estadístico para el error del valor del píxel" . Electronic Imaging . 34 (14): 1– 6. doi : 10.2352/EI.2022.34.14.COIMG-151 . AI Image Denoiser es mucho más agresivo, mejora significativamente los detalles, pero también aplica un suavizado intenso. DxO PureRAW, que mejora directamente la imagen sin procesar utilizando aprendizaje profundo entrenado en "millones de imágenes analizadas por DxO durante 15 años", fue fácilmente el más efectivo de los muchos eliminadores de ruido probados.
  47. ↑ Ulyanov, Dmitry; Vedaldi, Andrea; Lempitsky, Victor (30 de noviembre de 2017). "Deep Image Prior". arXiv : 1711.10925v2 [ Visión y reconocimiento de patrones Visión por computadora y reconocimiento de patrones ].
  • Tendencias recientes en tutoriales de eliminación de ruido
  • Reducción de ruido en fotografía
Lecturas relacionadas
6 articulos
Ruido (procesamiento de señales)En procesamiento de señales , el ruido es un término general para las modificaciones no deseadas (y, en general, desconocidas) que una señal puede ...SeñalSeñalEn La señal de William Powell Frith , una mujer envía una señal agitando un pañuelo blanco. El término señal hace referencia tanto al proceso como ...AlgoritmoAlgoritmoEn matemáticas y ciencias de la computación , un algoritmo ( / ˈ æ l ɡ ə r ɪ ð əm / ⓘ ) es una secuencia finita deinstruccionesmatemáticamente rigu...{\displaystyle y(t)}DistorsiónEn el procesamiento de señales , la distorsión es la alteración de la forma original (u otra característica) de una señal . En comunicaciones y ele...{\displaystyle V_{+}}Relación de rechazo en modo comúnEn electrónica , la relación de rechazo en modo común ( CMRR ) de un amplificador diferencial (u otro dispositivo) es una métrica que cuantifica la...Procesamiento de señalesProcesamiento de señalesEl procesamiento de señales es un subcampo de la ingeniería eléctrica que se centra en el análisis, la modificación y la síntesis de señales , como...