The membership function can also be

The membership function can also be represented (based an equation (1)) by the comparison of vector under use with the ideal vector which leads to a distance function is follows.
Where is a distance function.
V. PROPOSED METHODS
With the help of sub filter , the distance function is combined to find fuzzy weights. As these filters are not sensitive with ordinary, this proposed method is more adaptable compared to the existing traditional filters. The sub filter produces output with a vector valued signal which leads to the efficient image restoration
The magnitude distance is represented as
Where defines the angular distance. Here the power parameters P control the importance of the angle criteria versus the distance criteria in the general fuzzy membership function.
We have considered constant P value as 0.23.
VI. RESULTS
Proposed filters are compared with the traditional non linear filters. Noise attenuation properties of various comparable filters are tested with some testing images.
Fig (4) Diatom images With Gaussian. Impulsive and Mixed Gaussian Noise
With mean absolute error, mean square error and the normalized color difference are the majors used in comparison. It is identified that the equal color differences leads to equal distances [7].
Image mixed with Gaussian noise, impulsive noise and mixed Gaussian with impulsive noise are tested with the existing filters [8].counter weighted vector directional sub filters and is defined as
(2)
Here D is a scalar function.
The sub filters plays very vital role to reduce noise in an acceptable fashion.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ยังสามารถแสดงฟังก์ชันสมาชิก (จากสมการ (1)) โดยเปรียบเทียบของเวกเตอร์ภายใต้ใช้กับเวกเตอร์เหมาะที่นำไปสู่ระยะ ฟังก์ชันเป็นดังนี้ซึ่งเป็นฟังก์ชันของระยะทางV. เสนอวิธีช่วยกรองย่อย เป็นรวมฟังก์ชันระยะทางหาน้ำหนักปุย เป็นตัวกรองเหล่านี้ไม่สำคัญกับปกติ นี้เสนอวิธีคือสามารถปรับเปลี่ยนเพิ่มเติมเปรียบเทียบกับตัวกรองแบบดั้งเดิมที่มีอยู่ ตัวย่อยก่อให้เกิดผลกับสัญญาณบริษัทเวกเตอร์ซึ่งนำไปสู่การคืนค่ารูปภาพที่มีประสิทธิภาพขนาดระยะทางจะแสดงเป็นที่กำหนดระยะเชิงมุม ที่นี่ไฟฟ้าพารามิเตอร์ P ควบคุมความสำคัญของเกณฑ์มุมเทียบกับเงื่อนไขระยะในฟังก์ชันสมาชิกทั่วไปชัดเจนเราได้พิจารณาค่า P คงที่เป็น 0.23VI. ผลลัพธ์กรองเสนอจะเปรียบเทียบกับตัวกรองเชิงเส้นไม่ใช่แบบดั้งเดิม ทดสอบเสียงอ่อนคุณสมบัติของกรองต่าง ๆ เทียบกับบางภาพทดสอบไดอะตอมฟิก (4) ภาพกับ Gaussian เสียง Gaussian impulsive และผสมหมายความว่าข้อผิดพลาดสัมบูรณ์ ข้อผิดพลาดของค่าเฉลี่ยกำลังสอง และความแตกต่างสีมาตรฐานมีสาขาเอกที่ใช้ในการเปรียบเทียบ มีระบุว่า ความแตกต่างสีเท่านำไปเท่ากับระยะทาง [7]รูปผสมกับ Gaussian เสียง เสียง impulsive และ Gaussian ผสมกับเสียง impulsive ทดสอบกับอยู่ [8] .counter ถ่วงน้ำหนักเวกเตอร์ย่อยทิศทางกรอง และถูกกำหนดให้เป็น(2)นี่ D คือ ฟังก์ชันสเกลากรองย่อยเล่นบทบาทสำคัญมากในการลดเสียงรบกวนในการยอมรับ

ผลลัพธ์ (ไทย) 2:

ฟังก์ชั่นสมาชิกยังสามารถแสดง (ตามสมการ (1)) โดยเปรียบเทียบของเวกเตอร์ภายใต้การใช้งานกับเวกเตอร์ที่เหมาะที่จะนำไปสู่การทำงานเป็นระยะดังนี้.
อยู่ที่ไหนฟังก์ชั่นระยะไกล.
V. วิธีการนำเสนอ
ด้วยความช่วยเหลือของตัวกรองย่อยฟังก์ชั่นระยะที่มีการรวมกันเพื่อหาน้ำหนักเลือน ในฐานะที่เป็นตัวกรองเหล่านี้ไม่ได้มีความละเอียดอ่อนกับสามัญวิธีที่นำเสนอนี้จะปรับตัวขึ้นเมื่อเทียบกับตัวกรองแบบดั้งเดิมที่มีอยู่ กรองย่อยผลิตออกที่มีมูลค่าสัญญาณเวกเตอร์ซึ่งนำไปสู่การฟื้นฟูภาพที่มีประสิทธิภาพ
ขนาดระยะทางจะแสดงเป็น
ที่ไหนกำหนดระยะเชิงมุม นี่พารามิเตอร์อำนาจ P ควบคุมความสำคัญของเกณฑ์มุมเมื่อเทียบกับเกณฑ์ทางไกลในฟังก์ชั่นทั่วไปสมาชิกเลือน.
เรามีการพิจารณาค่า P คงที่ 0.23.
VI ผลการ
เสนอตัวกรองจะถูกเปรียบเทียบกับตัวกรองเชิงเส้นที่ไม่ใช่แบบดั้งเดิม คุณสมบัติการลดเสียงรบกวนของตัวกรองเทียบเคียงต่าง ๆ จะมีการทดสอบกับภาพการทดสอบบางอย่าง.
รูป (4) ภาพไดอะตอมด้วย Gaussian ห่ามและผสมเสียงรบกวนแบบเกาส์ที่
มีค่าเฉลี่ยความผิดพลาดแน่นอนข้อผิดพลาดเฉลี่ยตารางและแตกต่างของสีปกติที่มีสาขาวิชาที่ใช้ในการเปรียบเทียบ มันจะถูกระบุว่าความแตกต่างของสีที่นำไปสู่ความเท่าเทียมกันในระยะทางที่เท่ากัน [7].
ภาพผสมกับเสียง Gaussian เสียงห่ามและเสียนผสมกับเสียงห่ามจะมีการทดสอบกับตัวกรองที่มีอยู่ [8] .counter เวกเตอร์ถ่วงน้ำหนักตัวกรองย่อยทิศทางและถูกกำหนดให้เป็น
(2)
ที่นี่เป็นฟังก์ชั่น D เกลา.
กรองย่อยมีบทบาทสำคัญมากในการลดเสียงรบกวนในแฟชั่นที่ยอมรับ

ผลลัพธ์ (ไทย) 3:

ฟังก์ชันสมาชิกยังสามารถแสดง ( ตามสมการที่ ( 1 ) โดยการเปรียบเทียบของเวกเตอร์ภายใต้การใช้งานเหมาะกับเวกเตอร์ซึ่งนำไปสู่ฟังก์ชันตามระยะทางที่ไกล .

V
ฟังก์ชัน เสนอวิธีการด้วยความช่วยเหลือของตัวกรองย่อย ฟังก์ชันระยะทางรวมกันเพื่อหาน้ำหนักแบบฟัซซี่ เป็นฟิลเตอร์เหล่านี้จะไม่อ่อนไหวกับธรรมดาวิธีที่เสนอนี้จะปรับตัวได้มากขึ้นเมื่อเทียบกับที่มีอยู่ดั้งเดิม ตัวกรอง ตัวกรองย่อยผลิตออกที่มีค่าเวกเตอร์สัญญาณซึ่งจะนำไปสู่ประสิทธิภาพการฟื้นฟูภาพ

ขนาดระยะห่างเป็นตัวแทนในฐานะที่กำหนดระยะทางเชิงมุม .ที่นี่ค่าพลัง p การควบคุมความสำคัญของมุมเกณฑ์เมื่อเทียบกับระยะทางที่เกณฑ์ในทั่วไปฟังก์ชันภาวะสมาชิกแบบฟัซซี่ เราต้องพิจารณาค่า P
คงเป็น 0.23 .
6
เสนอผลตัวกรองเมื่อเทียบกับแบบดั้งเดิมที่ไม่ใช่เชิงเส้นตัวกรอง การเปรียบเทียบคุณสมบัติของตัวกรองเสียงรบกวนต่างๆ ทดสอบกับภาพบางภาพการทดสอบ
มะเดื่อ ( 4 ) จากภาพ ) . หุนหันพลันแล่น และผสมเสียง Gaussian
กับหมายถึงข้อผิดพลาดแน่นอน ความคลาดเคลื่อนกำลังสองเฉลี่ยค่าสีและความแตกต่างเป็นสาขาวิชาที่ใช้ในการเปรียบเทียบ มีการระบุว่า ความแตกต่างสีเท่ากับนักเท่ากับระยะทาง [ 7 ] .
ภาพผสมกับเสียง Gaussian เสียงผสมกับเสียงห่ามห่าม ) จะทดสอบกับตัวกรองที่มีอยู่ [ 8 ]เครื่องกรองแบบทิศทางเวกเตอร์ย่อยและหมายถึง ( 2 )

ที่นี่คือฟังก์ชันสเกลา D .
ย่อยกรอง มีบทบาทสําคัญมากเพื่อลดเสียงรบกวนในแฟชั่นที่ยอมรับได้