مزاحمی با نام نویز

در یک تعریف کلی, به هر نوسان و تغییر غیر عمدی که بر روی سیگنال های مورد اندازه گیری ظاهر می شود ,نویز گفته می شود

در یک تعریف کلی، به هر نوسان و تغییر غیر عمدی که بر روی سیگنال های مورد اندازه گیری ظاهر می‌شود ،نویز گفته می‌شود . هر کمیتی می تواند نویز بپذیزذ . در مدار های الکتریکی بیشتر با نویر ولتاژ و جریان سر و کار داریم ؛ این نویز ناشی از تغیرات گرمایی و تاثیر آن‌ها بر روی حامل‌های الکترونیکی است. در ناحیه رادیو و میکرو ویو با نویز های الکترو مغناطیسی روبرو هستیم. گاهی نیز نویزی که ناشی از گرما یا تابش و یون های کم انرژی هستند. اما نویز می تواند به علت تغییرات غیر عمدی کمیت‌های دیگری نیز ایجاد شود.

نویز در همه جا حضور دارد؛ هرجا که سیگنالی اندازه گیری می شود، حتما نوعی نویز بر روی آن ایجاد می شود. هر آزمایش دقیق و با کیفیت بالا که در دنیای فیزیک انجام می شود، به دقت زیادی نیاز دارد تا به توان نویز محیط را پیش بینی و تاثیر آن را کم کرد. اهمیت تحلیل نویز هنگامی کاملا نمایان می شود که کیفیت سیگنال اندازه گیری شده به وسیله مقدار مطلق انرژی سیگنال تعیین نشود بلکه از نسبت سیگنال به نویز تعیین می شود . نتیجه تحققات نشان می دهد که بهترین روش برای بهبود نسبت سیگنال به نویز، کاهش نویز است نه افزایش قدرت سیگنال.

نویز تصادفی طبق تعریف ، غر قابل کنترل است و مقدار دقیق آن در آزمایش های مختلف با هم متفاوت است. پس بهتر است که به صورت آماری نشان داده شود. نویز، تصادفی است و معمولا توزیع آن را توزیع گوسی در نظر می گیرند( البته این توزیع معمولا در نظر گرفته می شود ولی در شرایط متفاوت ممکن است توزیع های متفاوتی در نظر گرفته شوند ) . تصادفی بودن نویز باعث می شود که میانگین آن صفر شود . بنابراین برای توصیف آن از مقادیر توان دو آن استفاده می شود . مقدار موثر نویز از جذر میانگین مربعات آن به دست می آید . (rms ) البته این پارامتر هیچ اطلاعاتی در مورد متغیر با زمان بودن نویز یا اجزای فرکانسی آن نمی دهد.

نویزی ایستا گفته می شود ( نا متغیر با زمان ) که ویژگی های آماری آن با زمان تغییرنکند. به طور مثال واریانس یا مقدار موثر آن با زمان تغییر نکند .

در سیستم هایی که چند منبع نویز وجود داشته باشد نویز کلی می تواند به صورت مجموع نویز های مختلف در نظر گرفته شود. اگر این نویز ها مستقل از یکدیگر باشند می توان مقدار موثر را به صورت جمع مقدار های موثر تک تک منابع نویز در نظر گرفت ( نویز هایی مستقل هستند که میانگین حاصلضزب دو به دوی نویز ها صفر شود).

● انواع نویز

نویز بر اساس تغییرات زمانی و فرکانسی خود بیشتر مشخص می شوند . نویز های زیر معمول ترین نویز های موجود هستند:

▪ نویز سفید

نویز سفید طیفی به نویزی گفته می شود که طیف چگالی آن به فرکانس بستگی نداشته باشد ( مقدار ثابتی باشد ). البته این یک تعریف ایده ال است زیرا اگر از یک عدد ثابت نسبت به فرکانس انتگرال بگیریم ، واریانس نویز ( یا همان انرژی نویز ) بی نهایت به دست می آید . در سیستم های هایی که بیشتر مورد بررسی قرار می گیرند ، نویز عملا سفید نیست بلکه "صورتی " است .به این معنا که داری فرکانس قطع است. این فرکانس قطع باعث می شود که واریانس نویز محدود شود . نویز سفید به دو صورت ظاهر می شود : نویز دمایی و اثر ساچمه ای.

▪ آشفتگی هارمونیک

آشفتگی های هارمونیکی در واقع نویز های تصادفی نیستند بلکه آشفتگی هایی هستند که از منابع نزدیک گرفته می‌شود ( یا اصطلاحا نویر از طریق منابع نزدیک بر روی سیستم افتاده است ).این نویز ها می توانند به وسیله طراحی‌های مناسب حذف شوند .روش هایی که برای حذف این نویز استفاده می شوند عبارتند از : پوشش،زمین کردن مناسب ، کاهش حساسیت سیستم به نویز گرفتن .از آنجا که آشفتگی های هارمونیک دارای فرکانس های مشخصی هستند ، باعث ایجاد نوسانات غیر میرا در سیگنال و ایجاد ضربه در طیف فرکانسی می شوند .این رفتار تکین باعث می‌شود که نوع آن ها با نویز های دیگر فرق کند.

▪ نویز I/f

از روی نام نویز I/f می توان دریافت که رفتار آن چگونه می تواند باشد .چگالی طیفی این نویز با آهنگ I/f کاهش پیدا می‌کند. قدرت نویز I/f بستگی به نحوه تولید دارد و از وسیله ای به وسیله دیگر متفاوت است .

▪ رانش

رانش نویزی بدون مقدار ثابت است، یعنی مقدار میانگین آن صفر است N(t) = ۰ . اما باید گفت که این جمله همیشه درست نیست . در بعضی سیستم ها مقدار ثابت نمودار با زمان تغییر می کند.

● سیگنال های حیاتی و تقویت کننده عملیاتی

بیشتر سیگنال های حیاتی دامنه کوچکی دارند و به تقویت احتیاج دارند.همچنین بیشتر سیگنال های حیاتی به تغییراتی از جمله فیلتر کردن فرکانسی احتیاج دارند.در نتیجه از تقویت کننده عملیاتی برای رفع نیازهای فوق استفاده می شود.

بیشتر سیگنال هایی که با سیگنال های حیاتی تداخل پیدا می کنند مثل تداخل ۶۰ هرتز برق شهر در ثبت ECG در هر دو ورودی تقویت کننده عملیاتی به صورت مشابه ظاهر می شوندکه بایدحذف شوند.

● منطق فازی؛ روشی برای حذف نویز

امروزه تاثیر الگوریتم های هوشمند بر هیچ کس پوشیده نیست. در این میان منطق فازی با توجه به انعطاف پذیری بالایی که دارد، در مقایسه با روش های کلاسیک از نظر سرعت و دقت عملکرد به نتایج قابل قبولی دست یافته است. الگوریتم فازی در کلیه زمینه ها از کنترل یک کوره گرفته تا هدایت موشک کاربرد دارد.

پدیده نویز در کنترل سیستم های مختلف مشکلی عمومی است و سیستم های فازی در این حیطه نیز وارد شده اند. تشخیص و حذف نویز در بسیاری از مطالعات و مکتوباتی که در زمینه سیستم های فازی موجود است مطرح شده است. در حیطه پردازش تصویر مانند سایر زمینه ها، استفاده از روش‌های هوشمند نتایج مثبتی در پی دارد. با وجود پیشرفت تئوری شبکه‌های عصبی در این حیطه ارائه روش‌هایی که نیاز به سیکل آموزش کمتری دارند، هنوز مفید است.

مطالعات زیادی در مورد سیستم های مختلف فازی برای وضوح تصویر وجود دارد که به طور عموم سعی در کاهش نویز و صاف کردن تصاویر البته با حفظ برخی جزئیات لازم مثل لبه ها دارند.

● تشخیص نویز ایمپالس فازی و روش کاهش (FIDRM)

کاهش یا از بین بردن نویز ایمپالس در حوزه پردازش تصویر امر مهمی است. می‌توان از این الگوریتم برای کاهش نویز در تصویر که از نویزهای پالس یا غیره تشکیل شده استفاده کرد. این تکنیک فیلترسازی غیرخطی ۲ مرحله دارد:

۱) تشخیص نویز ایمپالس

۲) کاهش نویز که شیب لبه ها را حفظ می کند.

سیستم فازی با تابع عضویتی نمایش داده می شود که از روش فیلترینگ استفاده می کند که یک میانگین گیر پیکسل‌های همسایه فازی است.

پالس نویز به وسیله خطاهایی در انتقال اطلاعات تولید شده در سنسورهای دارای نویز یا کانال های ارتباطی نویزدار یا خطاهای ایجاد شده در طی ثبت داده دوربین ایجاد می شود. معمولا نویز با درصد نقاط معیوب سنجیده می شود. این نقاط به صفر یا مقدار ماکزیمم ، تنظیم می شوند.

یک تصویر دیجیتال سیاه و سفید O معمولا با یک آرایه ۲ بعدی نمایش داده می شود. آدرس (i,j) محلی را در O مشخص می کند که یک پیکسل یا تصویر المان خوانده می شود. در فضای سبز و سفید و قرمز RGB ، خاکستری یک شدت سیگنال برابر دارد. پس لازم است یک مقدار شدت برای هر پیکسل اختصاص داده شود همانطور که برای مشخص کردن یک پیکسل در یک تصویر رنگی کامل باید ۳ شدت سیگنال خاصی به آن داده شود. برای این مقدار یک محل ۱ بیتی با ۲۵۶ مقدار مختلف سفید تا سیاه می گذاریم : [۲۵۵-۰]. اگر O(i,j) یک مقدار پیکسل ۲ بعدی در تصویر O در محل (i,j) را نشان دهد، پس می توان نویز ایمپالس را مدل سازی کرد. که Pr احتمال آن است که پیکسل معیوب باشد اگر A تصویر معیوب باشد: مقدار Prk احتمال آن است که پیکسل تصویر اصلی به Pk تبدیل شود.

۲ مرحله وجود دارد: تشخیص و فیلتر کردن. مرحله تشخیص از قوانین فازی برای تشخیص اینکه آیا یک نقطه با نویز معیوب شده یا نه استفاده می کند. وقتی نویز شناسایی شد مقدار Pk باید مشخص شود. پس از مرحله تشخیص، تکنیک فیلتر کردن فازی تنها بر مقدار Pk تمرکز می کند. روش تشخیص نویز از مقادیر گرادیان فازی مثل فیلتر GOA استفاده می کند تا مشخص شود یک نقطه مشخص با نویز معیوب شده یا خیر. برای هر نقطه (i,j) از تصویر ، یک پنجره همسایگی ۳?۳ مانند شکل ۱، در نظر گرفته می شود. هر همسایه با توجه به (i,j) به یک جهت اشاره می کند.{NW : شمال غربی، N : شمال، NE : شمال شرقی، W: غرب، E : شرق، SW : جنوب غربی، S : جنوب، SE: جنوب شرقی} هر جهت با توجه به (i,j) به یک محل خاص پیوند می‌خورد.

کار اصلی پردازش تصویر در سطوح ابتدایی، حذف نویز، قطعه بندی و بهبود لبه‌ها است. روش های زیادی برای انجام این کار وجود دارد. از آنجا که لبه ها و نویز هر دو از مؤلفه های تصویری فرکانس بالا هستند، بیشتر این روش‌ها در صاف کردن تصاویر خراب شده با نویز با حفظ لبه ها خوب عمل نمی کنند. با این فیلترها، همیشه مجبور به تشخیص تیزی یا محوی خواهیم بود.

برای بهبود عملکرد تشخیص لبه و به دست آوردن اطلاعات دقیق تر لبه، برخی پیش پردازش های تشخیص لبه یا پس پردازش های کاربر دارند که در ادامه آمده اند:

۱) پروسه های پیش تشخیص لبه: این روش ها قبل از تشخیص لبه استفاده می شوند تا نمایش بهتری از لبه به دست آید.

▪ فیلتر کردن گوسی: فیلتر گوسی باید قبل از تشخیص لبه شکل استفاده شود و توجه شود که این حالت نرم شده گوسی از تصویر لبه تنها برای قسمت تشخیص لبه به کار برده می شود و به عنوان ورودی تکرارهای انتشار استفاده نخواهد شد. هدف استفاده از فیلتر گوسی کاهش حساسیت به نویز نشانگرهای لبه است تا مقدار نویز باقی مانده روی نقشه لبه کمترین باشد.

▪ حفظ کنتراست: برای تصاویری با کنتراست پایین عملکردهای حفظ کنتراست تطبیقی یا غیر تطبیقی می توانند روی تصویر ورودی استفاده شوند تا تشخیص لبه بهتر انجام شود.

۲) پروسه های پس تشخیص لبه: این روش پس از تشخیص لبه و برای حذف نویز باقی مانده روی نقشه لبه استفاده می شوند.

▪ فیلتر میانگین وزن دهی شده (WMF) یا فیلترهای دیگر برای حذف نویز: هنگامی که لبه ها تقریبا به هم پیوسته می شوند، این فیلترها می توانند نقاط ایزوله ای که در این طرح لبه ای بسیار شبیه به نقاط ایجاد شده به وسیله نویز هستند را حذف کنند.

▪ فیلتر میانگین وزن دهی شده برای تشخیص جزئیات: مشاهده گرهای انسانی تصاویری تیز با کمی نویز را به تصاویر بدون نویز محو، ترجیح می دهند. در حقیقت، تحقیقات نشان می دهد که بیننده به نویزی که نزدیک به لبه های قوی باشد کمتر حساس است تا نویزی که در نواحی سیگنال ثابت باشد. برای جلوگیری از کم شدن جزئیات تصویر، منطقی است که همسایگی کوچکی از جزئیات حفظ شود. فیلتر میانگین وزدن دهی شده برای تشخیص همسایگی های جزئیات استفاده می شود.

▪ فیلتر گوسی برای حفظ جزئیات: همسایگی های کوچک جزئیات که با WMF تشخیص داده می شوند باید با هسته گوسی همراه شوند تا وزن پیکسل های نزدیک به لبه را در نقشه لبه مشخص کنند تا در تکرارهای انتشار کمتر نرم شوند.

نقاط سفید مشخص کننده لبه ها هستندکه پس از فرایند هموارسازی حفظ می شوند. واضح است که بعضی نویزها روی لبه باقی می مانند و برخی لبه ها، خراب می شوند. برای بهبود عملکرد تشخیص لبه با اپراتور sobel ، یک فیلتر گوسی روی تصویر، قبل از تشخیص لبه عمل می کند تا نویز را کاهش دهد. WMF پس از تشخیص لبه برای حذف پیکسل های ایزوله به کار می رود، که مثل نقاط نویزی هستند.

● الگوریتم Wang-Mendel

ویولت(موجک) یک روش مؤثر برای حذف نویز است و یافتن مقدار مناسب آستانه یکی از موضوعات تحقیقاتی سال‌های اخیر بوده است.

در برخی از روش های موجود معمولا فرض می شود که ضرائب ویولت تصویر دارای توزیع مستقل هستند. زیرا باعث کاهش حجم محاسبات شده اما در عمل این توزیع مستقل نیست، کیفیت نویززدایی این روش ها مناسب نیست بنابراین در روش هایی که بر اساس بلوک بندی تصویر ارائه شده اند با دو مشکل روبرو می شویم:

۱) یافتن طول مناسب برای بلوک است

۲) از بین رفتن بعضی لبه های تصویر که موجب مات شدن تصویر می شود.

● الگوریتم Wang-Mendel

در حال حاضر، یکی از مهم ترین کاربردهای تئوری مجموعه های فازی، سیستم های مبتنی بر قانون فازی (FRBS )هستند.این نوع سیستم ها بر اساس توسعه سیستم های مبتنی بر قانون کلاسیک هستند؛ زیرا آن ها به جای قوانین منطقی کلاسیک با قوانین فازی سروکار دارند. به همین دلیل این روش با موفقیت به مسائل مختلفی در حوزه های گوناگون که دارای عدم قطعیت هستند، اعمال شده است.

یکی از مهم ترین کاربردهای سیستم های مبتنی بر قانون فازی در مدل کردن سیستم ها است. در این روش یکی از مهم ترین موارد، شبیه سازی زبانی است.

سیستم مبتنی بر قانون فازی شامل دو جزء است: پایگاه دانش و سیستم نتیجه گیری. پایگاه دانش از دو قسمت تشکیل شده است: پایگاه داده و پایگاه قوانین و وظیفه آن ذخیره کردن اطلاعات در مورد مسأله به شکل قوانین زبانی ?IF-THEN?است.

سیستم نتیجه گیری، فرایند استنتاج را بر اساس اطلاعات ذخیره شده در پایگاه دانش انجام می دهد. برای طراحی سیستم های مبتنی بر قانون فازی مناسب برای مسأله، چندین کار باید انجام شود. یک مشکل شرح اطلاعات توسط فرد خبره به شکل قوانین فازی است که برای رفع آن، محققان روش های خودکاری را برای انجام این کار ارائه کرده اند. برخی از این روش ها که ساده و مؤثرند و این ادگی موجب می شود فهمیدن و پیاده سازی آن ها آسان باشد؛ از طرف دیگر، به دلیل سرعت بالا جهت استفاده در اولین مرحله فرایند شبیه سازی برای تولید مدل فازی اولیه بسیار مفیدند.

یکی از معروف ترین و پرکاربردترین روش ها، روش Wang-Mendel است که کارایی بالای آن اثبات شده است . در این روش مجموعه داده های ورودی و خروجی، رفتار حالت حل شده مسأله را نشان می دهند .تولید پایگاه قوانین بر طبق مراحل زیر صورت می گیرد.

۱) در نظر گرفتن یک تفکیک فازی از فضای متغیرهای ورودی

این کار را می توان با استفاده از اطلاعات فرد خبره یا با فرایند نرمال سازی انجام داد. در حالت دوم، انجام تفکیک فازی فضای متغیر ورودی، آن را به قسمت های مساوی یا نامساوی تقسیم می کند. سپس یک نوع تابع عضویت انتخاب شده و یک مجموعه فازی به هر یک از قسمت ها نسبت داده می شود.

۲) تولید مجموعه قوانین زبانی نامزد

این مجموعه با انتخاب قوانینی با بیشترین شمول برای هر نمونه(مجموعه داده های ورودی-خروجی)شکل می گیرد.

۳) انتساب یک درجه اعتبار به هر قانون

درجه اعتبار هر قانون از حاصل ضرب مقادیر تابع عضویت برای همه اجزاء موجود در فرض قانون و مقدار تابع عضویت نتیجه قانون، به دست می آید.

۴) به دست آوردن پایگاه قوانین نهایی از مجموعه قوانین زبانی نامزد

برای انجام این کار، قوانین نامزد در چند گروه متفاوت دسته بندی می شوند که هر گروه شامل تمام قوانین نامزدی می شود که دارای فرض یکسان هستند. برای دستیابی به پایگاه قوانین نهایی، در هر گروه، قانونی که بیشترین درجه اعتبار را داراست، انتخاب می شود.

● نویز در MRI

یکی از مهم ترین مسائلی که باید به آن توجه کافی شود بحث نویز و کاهش آن‌ها در تصاویر پزشکی است. اگر اعوجاج‌های موجود در تصویر زیاد باشد سیستم بینایی انسان قادر به ارزیابی خوبی از آن تصویر نخواهد بود که این ارزیابی ممکن است در جهت تشخیص بیماری یا تشخیص ساختارهای مختلف در تصویر مورد استفاده قرار بگیرد.

نویز معمولا با انحراف استاندارد شدت سیگنال تصویر مربوط به یک شیء یکسان در نبود آرتیفکت‌ها مشخص می‌شود. تصویر نویزی زمانی دیده می‌شودکه نسبتا سیگنال به نویز (SNR) کم باشد. یکی از انواع معروف نویز،Radio Frequency) RF است.

آرتیفکت، لفظی عمومی است که به سیگنال‌های نامناسب تصویر در یک فضای خاص اشاره می‌کند. یک سری ویژگی‌ها و شاخص‌هایی که افزایش شدت سیگنال‌های نامناسب تصویر در یک فضای خاص اشاره می‌کند. یک سری ویژگی‌ها و شاخص‌هایی که به سیگنال‌های نامناسب تصویر در یک فضای خاص اشاره می‌کند. یک سری ویژگی‌ها و شاخص‌هایی که به افزایش شدت سیگنال در جایی‌که سیگنال نباید تولید شود می‌انجامد یا باعث کاهش یا از بین رفتن دامنه سیگنال می‌شود. در زمانی که سیگنال باید تولید شود. آرتیفکت و نویز RF اغلب به دلیل حضور و عملکرد دستگاه‌های پزشکی در محیط دستگاه باید تولید شود.

آرتیفکت و نویز RF اغلب به دلیل حضور و عملکرد دستگاه‌های پزشکی در محیط دستگاه MRI اتفاق می‌افتد. منابع نویز متنوعی در هر سیستم الکترونیکی وجود دارد که از جمله می‌توان به نویز‌جانسون، نویز Shot و نویز حرارتی (thermal noise) اشاره کرد.

آرتیفکت‌ها در اثر وجود آلات‌پزشکی مانند ایمپلنت‌ها و الکترودهای سطحی که در داخل یا مجاورت محفظه تصویربرداری وجود دارند به وجود می‌آید. مواد مختلف با خصوصیات متنوع میدان‌های مغناطیسی متفاوتی را ایجاد می‌کنند که این می‌تواند باعث اختلال در رابطه بین موقعیت و فرکانس مورد نیاز برای بازسازی درست تصویر شود.

برای جلوگیری از ایجاد آرتیفکت، بیمار باید لباسی بپوشد که فاقد دکمه‌های فلزی باشد یا هر شی‌ء یا ماده‌ای مانند سنجاق سر، جواهرآلات، عینک، ساعت، سمعک، فندک و مانند این‌ها همراه خود نداشته باشد. همچنین اجسام فلزی در اطراف ناحیه اسکن، ایجاد آرتیفکت می‌کند.

نویز RF که اغلب به‌صورت ایستا در تصاویر دیده می‌شود توسط تجهیزاتی که در اتاق MR، تعبیه شده‌اند می‌تواند به وجود آید. نویز RF در نتیجه تابش بیش از اندازه امواج الکترو‌مغناطیسی تجهیزات پزشکی که در کار اسکنر MR دخالت می‌کنند ناشی می‌شود. در صورتی‌که اتاق مربوط به عملیات MR توسط یک عایق با شیله RF پوشانده شود، امواج الکترو‌مغناطیسی ناشی از کارکرد دستگاه‌های پزشکی خارج از اتاق دیگر نمی‌تواند تاثیر چندانی روی پروسه اسکنر داشته باشد که به این شیلد، قفس فارادی (Faraday Cage) گفته می‌شود. این شیلد دارای فرکانسی نزدیک به فرکانس امواج رادیویی FM است.

اگر شیء قابلیت مغناطیسی متمایز با بافت داشته باشد اعوجاج (Distortion) ایجاد می‌شود. همچنین ایمپلنت ممکن است یک جریان گردابی (Eddy current) بر اثر حضور میدان RF به وجود آورد که باعث تغییر میدان RF در مجاورت ایمپلنت می‌شود و همین موضوع باعث اعوجاج می‌شود. به دلیل قدرت بالای میدان مغناطیسی دستگاه MRI در جابه‌جایی و گسیختن اشیاء فلزی، افرادی را که دارای ایمپلنت‌های فعال از جمله میکرو هستند، نمی‌توانند تحت شرایط عادی اسکن شوند و نباید داخل MRI بروند.

حرکت بیمار نیز باعث تیرگی و لکه‌شدن تصویر MRI و باعث به‌وجود آمدن آرتیفکت می‌شود که این حرکات ممکن است ناشی از نوعی مرض به نام Claustrophobia یعنی ترس از فضای تنگ و محصور باشد. در صورتی‌که کسی خیلی نگران و مضطرب باشد و نتواند در داخل محفظه دراز بکشد احتمال دادن مسکن به او وجود دارد و حتی برای جلوگیری از رسیدن صدای بلند دستگا به گوش بیمار در هنگام کارکرد که باعث وحشت بیمار می‌شود به او گوش‌گیر یا هدفون می‌دهند. بعضی از اسکنرها به تلویزیون یا موسیقی برای آرامش دادن به بیمار مجهز شده‌اند.

اخیرا نیز نوع دیگری از MRI به نام MRI باز (Wide Open MRI) به کار گرفته می‌شود که این مدل فاقد تونل است و دیگر لازم نیست سر بیمار داخل حفره برود و خود این مسئله نیز در جلوگیری از تشویش و اضطراب بیمار فاکتور بسیار مهمی است که در نتیجه آن حرکات بیمار کمتر شده و مانع تولید آرتیفکت می‌شود.

مواردی مانند نوسانات برق شهر، خراب شدن سیمن زمین (Earth) و نداشتن کابل زمین جدا، لرزش‌های آسانسور بیمارستان و چند مورد دیگر نیز باعث به‌وجودآمدن نویز و آرتیفکت می‌شوند که برای جلوگیری از ایجاد نویزهایی به این سبک باید موارد ایمنی از جمله استفاده از UPS جهت جلوگیری از نوسانات برق، چک کردن ادواری سیم‌زمین و استفاده از آسانسورهایی با سرعت آرام رعایت شود.

البته با رعایت تمام مواردی که در بالا ذکر شد باز هم نویزهایی بر روی تصاویر باقی می‌ماند که از آن جمله می‌توان به نویزهای Speckle، نویز Gaussian و نویز Salt and pepper اشاره کرد که برای برطرف کردن این گونه نویزها باید از فیلترهای نرم‌افزاری مانند فیلترهایی که با استفاده از آنالیز فوریه، تبدیل موجک و سیستم‌های دیگر پردازش تصویری طراحی می‌شوند استفاده کرد.

چند نمونه از فیلترهای نرم‌افزاری عبارتند از: فیلتر میانه، میانگین، وینر، ۹۴۵;-TM، MNM، M-MAD-TM، فیلتر TM وفقی، میانه بهبود داده شده، فیلتر L،M،MTM،DWMTM،K-NN، فیلتر متوسط غیرخطی، فیلتر هم‌ساختار، انواع فیلتر LUM، فیلتر مرکب تکراری، فیلتر میانه چندسطحی و فیلترهای غیرخطی براساس تابع بخش ناهمسان‌گرد اشاره کرد.

نویسنده:

مهندس سرور بهبهانی - زینب رامشانی - محمد کریمی مریدانی - شادی نقدی -فاطمه یاوری - مصطفی داداش‌زاده

---