ПОРІВНЯЛЬНИЙ АНАЛІЗ БІОНІЧНИХ АЛГОРИТМІВ ОПТИМІЗАЦІЇ ПАРАМЕТРІВ ФІЛЬТРІВ ДЛЯ ЗНЕШУМЛЕННЯ ЗОБРАЖЕНЬ ІЗ ІМПУЛЬСНИМ ШУМОМ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.030Ключові слова:
інформаційні технології, знешумлення зображень, біонічні алгоритми, оптимізаціяАнотація
У роботі досліджено ефективність біонічних алгоритмів оптимізації параметрів фільтрів знешумлення зображень в умовах імпульсного шуму типу salt & pepper. Проведено порівняльний аналіз алгоритмів HHO, GWO, WOA та ACO при налаштуванні параметрів Gaussian та Adaptive Median фільтрів. Експерименти виконано на стандартних тестових зображеннях Lena та Barbara з різними рівнями шуму із використанням метрик PSNR, convergence_iter та runtime. Показано, що Adaptive Median filter забезпечує суттєво вищу якість відновлення (≈32.7 dB) порівняно з
Gaussian filter (≈24.7 dB), при цьому досягаючи збіжності вже на початкових ітераціях. Встановлено, що тип фільтра має визначальний вплив на якість знешумлення, тоді як біонічні алгоритми оптимізації впливають переважно на швидкість збіжності та обчислювальну ефективність.
Посилання
Mirjalili S., Mirjalili S. M., Lewis A. Grey Wolf Optimizer // Advances in Engineering Software. – 2014. – Vol. 69. – P. 46–61. DOI: https://doi.org/10.1016/j.advengsoft.2013.12.007
Heidari A. A., Mirjalili S., Faris H. et al. Harris Hawks Optimization: Algorithm and Applications // Future Generation Computer Systems. – 2019. – Vol. 97. – P. 849–872. DOI: https://doi.org/10.1016/j.future.2019.02.028
Mirjalili S., Lewis A. The Whale Optimization Algorithm // Advances in Engineering Software. – 2016. – Vol. 95. – P. 51–67. DOI: https://doi.org/10.1016/j.advengsoft.2016.01.008
Dorigo M., Stützle T. Ant Colony Optimization. – MIT Press, 2004. URL: https://mitpress.mit.edu/9780262042192/ant-colony-optimization/
Gonzalez R. C., Woods R. E. Digital Image Processing. – Pearson, 2018. URL:https://www.pearson.com/en-us/subject-catalog/p/digital-image-processing/P200000003390
