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 hasta cierto punto.
Todos los dispositivos de procesamiento de señales, tanto analógicos como digitales , tienen características que los hacen susceptibles al ruido. El ruido puede ser aleatorio o ruido blanco con una distribución de frecuencia uniforme, o ruido dependiente de la frecuencia introducido por el mecanismo de un dispositivo o los algoritmos de procesamiento de señales .
En los dispositivos de grabación electrónica , un tipo importante de ruido es el silbido creado por el movimiento aleatorio de electrones debido a la agitación térmica a todas las temperaturas por encima del cero absoluto. Estos electrones agitados se suman y restan rápidamente del voltaje de la señal de salida y, por lo tanto, crean un ruido detectable.
En el caso de la película fotográfica y la cinta magnética , se introduce ruido (tanto visible como audible) debido a la estructura granular del medio. En la película fotográfica, el tamaño de los granos en la película determina la sensibilidad de la película, la película más sensible tiene granos de mayor tamaño. En la cinta magnética, cuanto más grandes son los granos de las partículas magnéticas (generalmente óxido férrico o magnetita ), más propenso es el medio al ruido. Para compensar esto, se pueden usar 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 de señal y ruido local se puede utilizar para evitar cambios en las señales. [1]
En exploración sísmica
Impulsar las señales en los datos sísmicos es especialmente crucial para la obtención de imágenes sísmicas, [2] [3] la inversión, [4] [5] y la interpretación, [6] mejorando así en gran medida la tasa de éxito en la exploración de petróleo y gas. [7] [8] [9] [10] La señal útil que se difumina en el ruido aleatorio ambiental a menudo se descuida y, por lo tanto, puede causar una falsa discontinuidad de eventos sísmicos y artefactos en la imagen migrada final. Mejorar la señal útil mientras se preservan las propiedades de los bordes de los perfiles sísmicos atenuando el ruido aleatorio puede ayudar a reducir las dificultades de interpretación y los riesgos engañosos para la detección de petróleo y gas.
En audio
Cuando se utiliza tecnología de grabación de cinta analógica , pueden presentar un tipo de ruido conocido como siseo de cinta . Esto está relacionado con el tamaño y la textura de las partículas utilizadas en la emulsión magnética que se pulveriza sobre el medio de grabación, y también con la velocidad relativa de la cinta a través de los cabezales de la cinta .
Existen cuatro tipos de reducción de ruido: pregrabación de un solo extremo, reducción de silbido de un solo extremo , reducción de ruido de superficie de un solo extremo y códec o sistemas de doble extremo. Sistemas de pre-grabación de extremo único (tales como Dolby HX y HX Pro , o Tandberg 's Actilinear y Dyneq [11] [12] [13] [14] ) de trabajo para afectar el medio de grabación en el momento de la grabación. Los sistemas de reducción de silbido de un solo extremo (como DNL [15] o DNR ) funcionan para reducir el ruido a medida que se produce, 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 el anterior SAE 5000A, Burwen TNE 7000 y Packburn 101/323 / 323A / 323AA y 325 [16] ) se aplica a la reproducción de discos fonográficos para atenuar el sonido de los arañazos, estallidos y no linealidades superficiales. Los expansores de rango dinámico de un solo extremo como el sistema de reducción de ruido del autocorrelacionador lineal de fase y el sistema de recuperación de rango dinámico (modelos 1000 y 4000) pueden reducir varios ruidos de grabaciones antiguas. Los sistemas de dos extremos tienen un proceso de preacentuación aplicado durante la grabación y luego un proceso de desacentuación aplicado en la reproducción.
Sistemas de reducción de ruido basados en Compander
Los sistemas de reducción de ruido del compander de doble extremo incluyen los sistemas profesionales Dolby A [15] y Dolby SR de Dolby Laboratories , dbx Professional y dbx Type I de dbx , Donald Aldous ' EMT NoiseBX, [17] Burwen Laboratories ' Model 2000 , [18] [19] [20] Telefunken 's telcom c4 [15] y MXR Innovations MXR [21] , así como los sistemas de consumo Dolby NR , Dolby B , [15] Dolby C y Dolby S , dbx Tipo II , [15] de Telefunken alta Com [15] y Nakamichi 's de alta Com II , Toshiba ' s (Aurex AD-4) adres , [15] [22] JVC 's ANRS [15 ] [22] y el super ANRS , [15] [22] Fisher / Sanyo 's super D , [23] [15] [22] SNRS , [22] y el húngaro / East-alemán Ex-Ko sistema. [24] [22] Estos sistemas tienen un proceso de preacentuación aplicado durante la grabación y luego un proceso de desacentuación aplicado en la reproducción.
En algunos sistemas comparadores, la compresión se aplica durante la producción de medios profesionales y el oyente solo debe aplicar la expansión; por ejemplo, sistemas como dbx disc , High-Com II , CX 20 [22] y UC se usaron para grabaciones de vinilo, mientras que Dolby FM , High Com FM y FMX se usaron en transmisiones de radio FM.
La primera técnica de reducción de ruido de audio ampliamente utilizada fue desarrollada por Ray Dolby en 1966. Diseñado para uso profesional, Dolby Tipo A era un sistema de codificación / decodificación en el que la amplitud de frecuencias en cuatro bandas aumentaba durante la grabación (codificación) y luego disminuía proporcionalmente durante la reproducción (decodificación). El sistema Dolby B (desarrollado junto con Henry Kloss ) era un sistema de banda única diseñado para productos de consumo. En particular, al grabar partes silenciosas de una señal de audio, las frecuencias por encima de 1 kHz se reforzarían. Esto tuvo el efecto de aumentar la relación señal / ruido en la cinta hasta 10 dB, dependiendo del volumen de la señal inicial. Cuando se reprodujo, el decodificador invirtió el proceso, reduciendo de hecho el nivel de ruido hasta en 10 dB. El sistema Dolby B, aunque no es tan eficaz como Dolby A, tenía la ventaja de seguir siendo escuchable en sistemas de reproducción sin decodificador.
El circuito integrado de Telefunken High Com U401BR también podría utilizarse para funcionar como un comparador mayoritariamente compatible con Dolby B. [25] En varios decks de cinta High Com de última generación, la función de emulación de Dolby-B "D NR Expander" funcionaba no sólo para la reproducción, sino también de forma indocumentada durante la grabación.
dbx era un sistema de reducción de ruido analógico de la competencia desarrollado por David E. Blackmer , fundador de los laboratorios dbx . [26] Se utilizó un algoritmo de codificación / decodificación de raíz cuadrada media (RMS) con las altas frecuencias propensas al ruido reforzadas y la señal completa alimentada a través de un compander 2: 1. dbx funcionaba en todo el ancho de banda audible y, a diferencia de Dolby B, no se podía utilizar como sistema abierto. Sin embargo, podría lograr hasta 30 dB de reducción de ruido.
Dado que las grabaciones de video analógicas utilizan modulación de frecuencia para la parte de luminancia (señal de video compuesto en sistemas de color directo), que mantiene la cinta en un nivel de saturación, la reducción de ruido de estilo de audio es innecesaria.
Limitador de ruido dinámico y reducción de ruido dinámico
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 reproductores de casetes . [15] Su circuito también se basa en un solo chip . [27] [28]
Fue desarrollado aún más en reducción dinámica de ruido ( DNR ) por National Semiconductor para reducir los niveles de ruido en telefonía de larga distancia . [29] Vendido por primera vez en 1981, DNR se confunde con frecuencia con el sistema de reducción de ruido Dolby, mucho más común . [30] Sin embargo, 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 señales de solo reproducción que no requieren que el material de origen se codifique primero, y se pueden usar junto con otras formas de reducción de ruido. [31]
Debido a que DNL y DNR no son complementarios, lo que significa que no requieren material fuente codificado, se pueden usar para eliminar el ruido de fondo de cualquier señal de audio, incluidas las grabaciones de cinta magnética y las transmisiones de radio FM , reduciendo el ruido hasta en 10 dB. [32] Se pueden utilizar junto con otros sistemas de reducción de ruido, siempre que se utilicen antes de aplicar DNR para evitar que DNR provoque un error de seguimiento del otro sistema de reducción de ruido.
Una de las primeras aplicaciones generalizadas de DNR fue en los sistemas estéreo para automóviles GM Delco en automóviles GM estadounidenses introducidos en 1984. [33] También se usó en equipos estéreo para automóviles de fábrica en 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 sistema de reducción de ruido en los sistemas de micrófonos. [34]
Otros enfoques
Una segunda clase de algoritmos trabaja en el dominio de tiempo-frecuencia utilizando algunos filtros lineales o no lineales que tienen características locales y a menudo se denominan filtros de tiempo-frecuencia. [35] [ página necesaria ] Por lo tanto, el ruido también se puede eliminar mediante el uso de herramientas de edición espectral, que funcionan en este dominio de tiempo-frecuencia, lo que permite modificaciones locales sin afectar la energía de la señal cercana. Esto se puede hacer manualmente usando el mouse con un bolígrafo que tiene una forma definida de tiempo-frecuencia. Esto se hace como en un programa de pintura para dibujar. Otra forma es definir un umbral dinámico para filtrar el ruido, que se deriva de la señal local, nuevamente con respecto a una región de tiempo-frecuencia local. Todo lo que esté por debajo del umbral se filtrará, todo lo que esté por encima del umbral, como parciales de una voz o "ruido deseado", quedará intacto. La región se define típicamente por la ubicación de la frecuencia instantánea de la señal, [36] ya que la mayor parte de la energía de la señal que se conservará se concentra en ella.
Las grabaciones de sonido (e imagen) digitales modernas ya no necesitan preocuparse por el silbido de la cinta, por lo que los sistemas de reducción de ruido de estilo analógico no son necesarios. Sin embargo, un giro interesante es que los sistemas de interpolación en realidad agregan ruido a una señal para mejorar su calidad.
Programas de software
La mayoría del software de edición de voz de propósito general tendrá una o más funciones de reducción de ruido ( Audacity , WavePad , etc.). Los programas de software de reducción de ruido de propósito especial notables incluyen Gnome Wave Cleaner .
En imagenes
Las imágenes tomadas tanto con cámaras digitales como con cámaras de película convencionales captarán ruido de una variedad de fuentes. El uso posterior de estas imágenes a menudo requerirá que el ruido se elimine (parcialmente), con fines estéticos , como en trabajos artísticos o de marketing , o con fines prácticos, como la visión por computadora .
Tipos
En el ruido de sal y pimienta (perturbaciones de luz y oscuridad escasas), los píxeles de la imagen son muy diferentes en color o intensidad de los píxeles circundantes; la característica definitoria es que el valor de un píxel ruidoso no guarda relación con el color de los píxeles circundantes. Generalmente, este tipo de ruido solo afectará a una pequeña cantidad de píxeles de la imagen. Cuando se ve, la imagen contiene puntos oscuros y blancos, de ahí el término ruido de sal y pimienta. Las fuentes típicas incluyen motas de polvo dentro de la cámara y elementos CCD sobrecalentados o defectuosos .
En ruido gaussiano , cada píxel de la imagen cambiará de su valor original en una pequeña cantidad (normalmente). Un histograma, un gráfico de la cantidad de distorsión de un valor de píxel frente a la frecuencia con la que ocurre, 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 dice que la suma de diferentes ruidos tiende a acercarse a una distribución gaussiana.
En cualquier caso, 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 y distribuidos de manera idéntica y, por lo tanto, no están correlacionados.
Eliminación
Compensaciones
Existen muchos algoritmos de reducción de ruido en el procesamiento de imágenes. [37] Al seleccionar un algoritmo de reducción de ruido, se deben sopesar varios factores:
- la potencia de la computadora disponible y el tiempo disponible: una cámara digital debe aplicar reducción de ruido en una fracción de segundo utilizando una pequeña CPU integrada, mientras que una computadora de escritorio tiene mucha más potencia y tiempo
- si sacrificar algún detalle real es aceptable si permite eliminar más ruido (qué tan agresivo es 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 de croma y luminancia
En las fotografías del mundo real, el detalle de frecuencia espacial más alto consiste principalmente en variaciones de brillo ("detalle de luminancia") en lugar de variaciones en el tono ("detalle de croma"). Dado que cualquier algoritmo de reducción de ruido debe intentar eliminar el ruido sin sacrificar los detalles reales de la escena fotografiada, uno corre el riesgo de una mayor pérdida de detalles de la reducción de ruido de luminancia que de la reducción de ruido de croma simplemente porque la mayoría de las escenas tienen pocos detalles de croma de alta frecuencia para empezar. Además, la mayoría de la gente encuentra el ruido de croma en las imágenes más objetable que el ruido de luminancia; las manchas de colores se consideran "de aspecto digital" y no naturales, en comparación con la apariencia granulada del ruido de luminancia que algunos comparan con el grano de la película. Por estas dos razones, la mayoría de los algoritmos de reducción de ruido fotográfico dividen el detalle de la imagen en componentes de croma y luminancia y aplican más reducción de ruido al primero.
La mayoría de los programas informáticos dedicados a la reducción de ruido permiten al usuario controlar la reducción de ruido de crominancia y luminancia por separado.
Filtros de suavizado lineal
Un método para eliminar el ruido es convolucionar la imagen original con una máscara que represente un filtro de paso bajo o una operación de suavizado. Por ejemplo, la máscara gaussiana comprende elementos determinados por una función gaussiana . Esta convolución trae el valor de cada píxel en mayor armonía con los valores de sus vecinos. En general, un filtro de suavizado establece cada píxel en el valor promedio, o un promedio ponderado, de sí mismo y de sus vecinos cercanos; el filtro gaussiano es solo un posible conjunto de pesos.
Los filtros de suavizado tienden a difuminar una imagen, porque los valores de intensidad de píxeles que son significativamente más altos o más bajos que el vecindario circundante "difuminarían" el área. Debido a este desenfoque, los filtros lineales rara vez se utilizan en la práctica para la reducción de ruido; Sin embargo, a menudo se utilizan como base para filtros de reducción de ruido no lineales.
Difusión anisotrópica
Otro método para eliminar el ruido es hacer evolucionar la imagen bajo una ecuación diferencial parcial de suavizado similar a la ecuación del calor , que se llama difusión anisotrópica . Con un coeficiente de difusión espacialmente constante, esto equivale a la ecuación de calor o al filtrado lineal gaussiano, pero con un coeficiente de difusión diseñado para detectar bordes, el ruido se puede eliminar sin difuminar los bordes de la imagen.
Medios no locales
Otro enfoque para eliminar el ruido se basa en el promedio no local de todos los píxeles de una imagen. En particular, la cantidad de ponderación de un píxel se basa en el grado de similitud entre un pequeño parche centrado en ese píxel y el pequeño parche centrado en el píxel que se elimina el ruido.
Filtros no lineales
Un filtro mediano es un ejemplo de filtro no lineal y, si se diseña correctamente, es muy bueno para preservar los detalles de la imagen. Para ejecutar un filtro de mediana:
- considere cada píxel en la imagen
- ordenar los píxeles vecinos en función de sus intensidades
- reemplace 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 duro de la familia de filtros de selección de rango condicionado por rango (RCRS); [38] 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 de otra manera, a veces se prefiere, especialmente en aplicaciones fotográficas.
Los filtros RCRS medianos y otros son buenos para eliminar el ruido de sal y pimienta de una imagen y también causan relativamente poca borrosidad en los bordes y, por lo tanto, se usan a menudo en aplicaciones de visión por computadora.
Transformada wavelet
El objetivo principal de un algoritmo de eliminación de ruido de imágenes es lograr tanto la reducción de ruido [39] como la preservación de características [40] utilizando los bancos de filtros de ondas. [41] En este contexto, los métodos basados en ondículas son de particular interés. En el dominio de las ondículas, el ruido se distribuye uniformemente a través de los coeficientes, mientras que la mayor parte de la información de la imagen se concentra en unos pocos grandes. [42] Por lo tanto, los primeros métodos de eliminación de ruido basados en ondículas se basaron en la determinación del umbral de los coeficientes de subbandas de detalle. [43] [ página necesaria ] Sin embargo, la mayoría de los métodos de umbralización de ondículas 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 exitoso puede lograr tanto la reducción del ruido como la preservación de las características si emplea una descripción estadística precisa de los componentes de la señal y el ruido. [42]
métodos de estadística
También existen métodos estadísticos para la eliminación de ruido de imágenes, aunque se utilizan con poca frecuencia, ya que son computacionalmente exigentes. Para el ruido gaussiano , se pueden modelar los píxeles en una imagen en escala de grises como auto-distribuidos normalmente, donde el valor "verdadero" de la escala de grises de cada píxel se distribuye normalmente con una media igual al valor medio de la escala de grises de sus píxeles vecinos y una variación dada.
Dejar denotar los píxeles adyacentes a la el píxel. Luego, la distribución condicional de la intensidad de la escala de grises (en un escala) en la th nodo es:
para un parámetro elegido y varianza . Un método de eliminación de ruido que utiliza el modelo normal automático utiliza los datos de la imagen como un previo bayesiano y la densidad normal automática como una función de verosimilitud, con la distribución posterior resultante que ofrece una media o modo como una imagen eliminada. [44] [45]
Algoritmos de coincidencia de bloques
Se puede aplicar un algoritmo de coincidencia de bloques para agrupar fragmentos de imágenes similares en macrobloques superpuestos de tamaño idéntico, las pilas de macrobloques similares se filtran juntas en el dominio de transformación y cada fragmento de imagen finalmente se restaura a su ubicación original utilizando un promedio ponderado de la superposición píxeles. [46]
Campo aleatorio
Los campos de contracción son una técnica de aprendizaje automático basada en campos aleatorios que brinda un rendimiento comparable al de la coincidencia de bloques y el filtrado 3D, pero requiere una sobrecarga computacional mucho menor (de modo que podría realizarse directamente dentro de los sistemas integrados ). [47]
Aprendizaje profundo
Se han propuesto varios enfoques de aprendizaje profundo para resolver la reducción de ruido y tales tareas de restauración de imágenes . Deep Image Prior es una de esas técnicas que hace uso de una red neuronal convolucional y se distingue por el hecho de que no requiere datos de entrenamiento previos. [48]
Software
La mayoría del software de edición de imágenes y fotografías de uso general tendrá una o más funciones de reducción de ruido (mediana, desenfoque, eliminación de manchas, etc.).
Ver también
Problemas generales de ruido
- Procesamiento de la señal
- Subespacio de señal
Audio
- Acústica arquitectónica
- Prueba de escucha de códec
- Auriculares con cancelación de ruido
- Impresión de ruido
- Enmascaramiento de sonido
Imágenes y video
- Resta de marco oscuro
- Procesando imagen digital
- Eliminación de ruido de variación total
- Eliminación de ruido de video
Problemas similares
- Deslizamiento
Referencias
- ^ Chen, Yangkang; Fomel, Sergey (noviembre-diciembre de 2015). "Atenuación de ruido aleatorio mediante ortogonalización de señal y ruido local" . Geofísica . 80 (6): WD1 – WD9. Código Bibliográfico : 2015Geop ... 80D ... 1C . doi : 10.1190 / GEO2014-0227.1 . S2CID 120440599 .
- ^ Xue, Zhiguang; Chen, Yangkang; Fomel, Sergey; Sol, Junzhe (2016). "Imágenes sísmicas de datos incompletos y datos de origen simultáneo mediante mínimos cuadrados en tiempo inverso de migración con regularización de conformación" . Geofísica . 81 (1): S11 – S20. Código Bibliográfico : 2016Geop ... 81S..11X . doi : 10.1190 / geo2014-0524.1 .
- ^ Chen, Yangkang; Yuan, Jiang; Zu, Shaohuan; Qu, Shan; Gan, Shuwei (2015). "Imágenes sísmicas de datos de origen simultáneo utilizando la migración de tiempo inverso de mínimos cuadrados restringidos". Revista de geofísica aplicada . 114 : 32–35. Código Bibliográfico : 2015JAG ... 114 ... 32C . doi : 10.1016 / j.jappgeo.2015.01.004 .
- ^ Chen, Yangkang; Chen, Hanming; Xiang, Kui; Chen, Xiaohong (2017). "Interpolación de registro de pozo guiada por estructura geológica para inversión de forma de onda completa de alta fidelidad". Revista Geofísica Internacional . 209 (1): 21–31. Código bibliográfico : 2016GeoJI.207.1313C . doi : 10.1093 / gji / ggw343 .
- ^ Gan, Shuwei; Wang, Shoudong; Chen, Yangkang; Qu, Shan; Zu, Shaohuan (2016). "Análisis de velocidad de datos de origen simultáneo utilizando una apariencia de alta resolución, haciendo frente al ruido fuerte" . Revista Geofísica Internacional . 204 (2): 768–779. Código bibliográfico : 2016GeoJI.204..768G . doi : 10.1093 / gji / ggv484 .
- ^ Chen, Yangkang (2017). "Sondeo de las características kársticas del subsuelo mediante la descomposición de frecuencia de tiempo". Interpretación . 4 (4): T533 – T542. doi : 10.1190 / INT-2016-0030.1 .
- ^ Huang, Weilin; Wang, Runqiu; Chen, Yangkang; Li, Huijian; Gan, Shuwei (2016). "Análisis de espectro singular multicanal amortiguado para atenuación de ruido aleatorio 3D". Geofísica . 81 (4): V261 – V270. Código bibliográfico : 2016Geop ... 81V.261H . doi : 10.1190 / geo2015-0264.1 .
- ^ Chen, Yangkang (2016). "Filtrado estructural separado por inmersión utilizando transformada seislet y filtro de inmersión basado en descomposición en modo empírico adaptativo" . Revista Geofísica Internacional . 206 (1): 457–469. Código bibliográfico : 2016GeoJI.206..457C . doi : 10.1093 / gji / ggw165 .
- ^ Chen, Yangkang; Ma, Jianwei; Fomel, Sergey (2016). "Diccionario de doble dispersión para la atenuación del ruido sísmico". Geofísica . 81 (4): V261 – V270. Código Bibliográfico : 2016Geop ... 81V.193C . doi : 10.1190 / geo2014-0525.1 .
- ^ Chen, Yangkang (2017). "Aprendizaje rápido de diccionario para atenuación de ruido de datos sísmicos multidimensionales" . Revista Geofísica Internacional . 209 (1): 21–31. Código bibliográfico : 2017GeoJI.209 ... 21C . doi : 10.1093 / gji / ggw492 .
- ^ https://web.archive.org/web/20200702165827/http://www.ant-audio.co.uk/Tape_Recording/Theory/Tandberg_Actilinear_Dyneq.pdf
- ^ https://web.archive.org/web/20200702165605/http://sportsbil.com/tandberg/tcd-440a-tech.pdf
- ^ Information, Reed Business (20 de septiembre de 1979). "Nuevo científico" .
- ^ https://web.archive.org/web/20200702172103/https://www.nytimes.com/1984/09/02/arts/sound-a-standout-cassette-deck.html
- ^ a b c d e f g h yo j k "High Com - el último sistema de reducción de ruido / Reducción de ruido - el silencio es oro" (PDF) . elektor (Reino Unido): electrónica actualizada para el laboratorio y el ocio . Vol. 1981 no. 70. Febrero de 1981. págs. 2-04–2-09. Archivado (PDF) desde el original el 2 de julio de 2020 . Consultado el 2 de julio de 2020 . (6 páginas)
- ^ Manual del propietario del supresor de ruido de audio modelo 325 (PDF) . Apocalipsis 15-1. Syracuse, Nueva York, EE.UU .: Packburn electronics inc. Archivado (PDF) desde el original el 5 de mayo de 2021 . Consultado el 16 de mayo de 2021 . (6 + 36 páginas)
- ^ R., C. (1965). "Kompander verbessert Magnettonkopie". Radio Mentor (en alemán). 1965 (4): 301-303.
- ^ Burwen, Richard S. (febrero de 1971). "Un filtro de ruido dinámico". Revista de la Sociedad de Ingeniería de Audio . 19 (1).
- ^ Burwen, Richard S. (junio de 1971). "Rango dinámico de 110 dB para cinta" (PDF) . Audio : 49–50. Archivado (PDF) desde el original el 13 de noviembre de 2017 . Consultado el 13 de noviembre de 2017 .
- ^ Burwen, Richard S. (diciembre de 1971). "Diseño de un sistema eliminador de ruido". Revista de la Sociedad de Ingeniería de Audio . 19 (11): 906–911.
- ^ Lambert, Mel (septiembre de 1978). "MXR Compander" . Sound International . Archivado desde el original el 28 de octubre de 2020 . Consultado el 25 de abril de 2021 .
- ^ a b c d e f g Bergmann, Heinz (1982). "Verfahren zur Rauschminderung bei der Tonsignalverarbeitung" (PDF) . radio fernsehen elektronik (rfe) (en alemán). Vol. 31 no. 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
(NB. Falta la página 736 en el PDF vinculado). - ^ 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 no. 8. Heidelberg, Alemania: Dr. Alfred Hüthig Verlag GmbH . Consultado el 25 de abril de 2021 . págs. W298, W300:
[…] Super-Dolby im Plus N 55 […] Der Kompander "Plus N55" arbeitet nach dem von Sanyo entwickelten Super-D-Noise-Reduction-System. Er ist speziell für 3-Kopf-Geräte konzipiert und den Pegelverhältnissen von japanischen Cassetten-Bandgeräten angepaßt. Für Hi-Fi-Anlagen, die ausschließlich DIN-Buchsen haben, kann die Aussteuerung durch den Plus N55 allerdings etwas zu niedrig sein, da der Kompressor (Encoder) -Eingang 60 mV zur Vollaussteuerung benötigt und der Käinepander Selimbsttung de señalización. Die ebenfalls im gesamten Tonfrequenzbereich wirksamen Kompressor / Expander-Funktionen sind in zwei Frequenz-Bereiche aufgeteilt (f 0 ≈ 4,8 kHz), um jeweils ein optimales Arbeiten in diesen Bereichen zu gewährleisten des-Die Komliniender […] Die Komliniender […] Verfahrens […] veranschaulichen den Vorgang der wechselweisen Kompression und Expansion. Diese Kennlinien von Encoder und Decoder wurden bei den beiden Eingangspegeln 0 dB und −20 dB mit rosa Rauschen kontrolliert […] Da sich die Encoder / Decoder-Kennlinien hier schneiden, muß auch der Ausgangspegel des Decoders wieder O dB sein. Der Absenkungsgrad für das Bandrauschen beträgt hier rd. 10 dB […] Wird ein Pegel von −20 dB eingespeist, hebt der Encoder diesen auf einen Ausgangspegel von −10 dB an […] Am Decoder Eingang liegt nun - vom Bandgerät kommend ein Signalpegel von −10 dB, der nun gemeinsam mit dem Bandrauschen wieder um 10 dB auf den Ursprungswert herabgesetzt wird […] Geht das Encoder-Eingangssignal zum Beispiel auf −60 dB zurück, wird es auf −30 dB angehoben und auch wieder um 30 dB expandiert. So wird das Bandrauschen immer um den jeweiligen Kompressions / Expansionsgrad unterdrückt. […] "Über Alles" gesehen stellen sich bei jedem Eingangspegel lineare Frequenzgänge im gesamten Tonfrequenzbereich ein […] Das setzt allerdings voraus, daß die Kompressor- und Expander-Kennlinien bei Aufnahme und Wiedergabegesteungsgle. Man erreicht dieses mit einer Eichung über den eingebauten Pegeltongenerator, wobei man den Ausschlag der Fluoreszenz-Anzeige am Plus N55 und am Aussteuerungsanzeiger des Tonbandgerätes auf gleiche Werte (zum Beispiel −5 dB) einpegeln muß. Das ist ein einmaliger Vorgang bei gleichbleibender Gerätekombination. Danach wird die Aufnahme nur noch am Kompander ausgesteuert. […] Beachtenswert sind noch die Verzerrungen, die durch das Einfügen einer ganzen Anzahl von Transistorstufen in den Übertragungsweg zusätzlich entstehen. Das Diagramm […] zeigt die frequenzabhängigen Klirrfaktoren bei Vollaussteuerung der beiden Encoder- und Decoder-Strecken im Plus N55. Im Vergleich zu linearen Verstärkern sind sie relativ hoch, gegenüber den im Bereich der Vollaussteuerung vorliegenden kubischen Klirrfaktoren bei Cassetten-Bändern aber noch vertretbar. […]
. págs. W293 – W296, W298, W300 [W298, W300]. ISSN 0016-2825 . Archivado desde el original el 25 de abril de 2021 - ^ "Stereo Automat MK42 R-Player Budapesti Rádiótechnikai Gyár B" . Archivado desde el original el 25 de abril de 2021 . Consultado el 25 de abril de 2021 .
- ^ HIGH COM: el comparador de banda ancha HIGH COM que utiliza el circuito integrado U401BR (PDF) (Información de semiconductores 2.80). AEG-Telefunken . Archivado (PDF) desde el original el 16 de abril de 2016 . Consultado el 16 de abril de 2016 .
- ^ Hoffman, Frank W. (2004). Enciclopedia de sonido grabado . 1 (ed. Revisada). Taylor y Francis .
- ^ "Reducción de ruido" . Audiotools.com. 2013-11-10.
- ^ "Limitador de ruido dinámico de Philips" . Archivado desde el original el 5 de noviembre de 2008 . Consultado el 14 de enero de 2009 .
- ^ "Reducción dinámica de ruido" . ComPol Inc.
- ^ "Historia" . Archivado desde el original el 27 de septiembre de 2007 . Consultado el 14 de enero de 2009 .
- ^ "Términos de audio" . Archivado desde el original el 20 de diciembre de 2008 . Consultado el 14 de enero de 2009 .
- ^ "Sistema de reducción de ruido dinámico LM1894 DNR" . Archivado desde el original el 20 de diciembre de 2008 . Consultado el 14 de enero de 2009 .
- ^ Gunyo, Ed. "Evolución de la Riviera - 1983 el 20 Aniversario" . Asociación de Propietarios de la Riviera.(NB. Publicado originalmente en The Riview , Vol. 21, No. 6, septiembre / octubre de 2005.)
- ^ http://www.hellodirect.com/catalog/Product.jhtml?PRODID=11127&CATID=15295 [ enlace muerto ]
- ^ Boashash, B., ed. (2003). Análisis y procesamiento de señales de tiempo-frecuencia: una referencia completa . Oxford: Elsevier Science . ISBN 978-0-08-044335-5.
- ^ 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 .
- ^ Mehdi Mafi, Harold Martin, Jean Andrian, Armando Barreto, Mercedes Cabrerizo, Malek Adjouadi, "Una encuesta completa sobre los filtros de impulsos y de reducción de ruido gaussianos para imágenes digitales", Procesamiento de señales, vol. 157, págs. 236–260, 2019.
- ^ Liu, Puyin; Li, Hongxing (2004). Teoría y aplicación de redes neuronales difusas . Robots inteligentes y visión artificial Xiii: Algoritmos y visión artificial . 2353 . World Scientific. págs. 303–325. Código Bibliográfico : 1994SPIE.2353..303G . doi : 10.1117 / 12.188903 . ISBN 978-981-238-786-8. S2CID 62705333 .
- ^ Chervyakov, NI; Lyakhov, PA; Nagornov, NN (1 de noviembre de 2018). "Ruido de cuantificación de filtros de transformación de ondas discretas multinivel en el procesamiento de imágenes" . Optoelectrónica, instrumentación y procesamiento de datos . 54 (6): 608–616. doi : 10.3103 / S8756699018060092 . ISSN 1934-7944 .
- ^ Craciun, G .; Jiang, Ming; Thompson, D .; Machiraju, R. (marzo de 2005). "Diseño de ondas de dominio espacial para la preservación de características en conjuntos de datos computacionales" . Transacciones IEEE sobre visualización y gráficos por computadora . 11 (2): 149-159. doi : 10.1109 / TVCG.2005.35 . ISSN 1941-0506 . PMID 15747638 .
- ^ Gajitzki, Paul; Isar, Dorina; Simu, Călin (noviembre de 2018). "Bancos de filtros basados en wavelets para análisis de espectro en tiempo real" . Simposio Internacional de Electrónica y Telecomunicaciones (ISETC) 2018 : 1–4. doi : 10.1109 / ISETC.2018.8583929 . ISBN 978-1-5386-5925-0.
- ^ a b Forouzanfar, M .; Abrishami-Moghaddam, H .; Ghadimi, S. (julio de 2008). "Método bayesiano multiescala localmente adaptativo para eliminación de ruido basado en distribuciones gaussianas inversas normales bivariadas". Revista Internacional de Wavelets, Multiresolución y Procesamiento de la Información . 6 (4): 653–664. doi : 10.1142 / S0219691308002562 . S2CID 31201648 .
- ^ Mallat, S. (1998). Un recorrido de Wavelet por el procesamiento de señales . Londres: Academic Press .
- ^ Besag, Julian (1986). "Sobre el análisis estadístico de imágenes sucias" (PDF) . Revista de la Royal Statistical Society. Serie B (Metodológica) . 48 (3): 259-302. doi : 10.1111 / j.2517-6161.1986.tb01412.x . JSTOR 2345426 .
- ^ Seyyedi, Saeed (2018). "Incorporación de una técnica de reducción de ruido en la tomografía con tensor de rayos X". J IEEE Transactions on Computational Imaging . 4 (1): 137-146. doi : 10.1109 / TCI.2018.2794740 . JSTOR 17574903 . S2CID 46793582 .
- ^ Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 de julio de 2007). "Eliminación de ruido de imágenes mediante filtrado colaborativo de dominio de transformación 3D disperso". Transacciones IEEE sobre procesamiento de imágenes . 16 (8): 2080–2095. Código Bibliográfico : 2007ITIP ... 16.2080D . CiteSeerX 10.1.1.219.5398 . doi : 10.1109 / TIP.2007.901238 . PMID 17688213 . S2CID 1475121 .
- ^ Schmidt, Uwe; Roth, Stefan (2014). Campos de contracción para una restauración eficaz de la imagen (PDF) . Visión por computadora y reconocimiento de patrones (CVPR), Conferencia IEEE 2014 en. Columbus, OH, EE. UU .: IEEE. doi : 10.1109 / CVPR.2014.349 . ISBN 978-1-4799-5118-5.
- ^ Ulyanov, Dmitry; Vedaldi, Andrea; Lempitsky, Victor (30 de noviembre de 2017). "Prioridad de imagen profunda". arXiv : 1711.10925v2 [ Visión y reconocimiento de patrones Visión por computadora y reconocimiento de patrones ].
enlaces externos
- Tutorial de tendencias recientes en eliminación de ruido
- Reducción de ruido en fotografía
- Software Matlab y complemento de Photoshop para eliminar ruido de imágenes (filtro Pointwise SA-DCT)
- Software Matlab para eliminación de ruido de imágenes y videos (filtro de dominio de transformación no local)
- Eliminación de ruido de imágenes no local, con código y demostración en línea