open pdf in word c# : How to delete text from a pdf document SDK software API .net windows web page sharepoint IJIP-5310-part329

Mr. Anil L. Wanare & Dr.Dilip D. Shah  
International Journal of Image Processing (IJIP), Volume (6) : Issue (2) : 2012 
123 
Performance Analysis and Optimization of Nonlinear Image 
Restoration Techniques in Spatial Domain
Mr. Anil L. Wanare  
a.wanare@rediffmail.com     
Department of Electronics & TC Engg.  
BDCOE, RTMN University, Nagpur, India 
Dr. Dilip D. Shah   
dilip.d.shahl@gmail.com 
Principal, G.H. Raisoni College of Engg. & Management 
ACM of university of Pune, India
Abstract 
This paper is concerned with critical performance analysis of spatial nonlinear restoration 
techniques  for  continuous  tone  images  from  various  fields  (Medical  images,  Natural 
images,  and  others  images).The  performance  of  the  nonlinear  restoration  methods  is 
provided with possible combination of various additive noises and images from diversified 
fields. Efficiency of nonlinear restoration techniques according to difference distortion and 
correlation distortion metrics is computed. Tests performed on monochrome images, with 
various  synthetic  and  real-life  degradations,  without  and  with  noise,  in  single  frame 
scenarios, showed good results, both in subjective terms and in terms of the increase of 
signal  to  noise  ratio  (ISNR)  measure.  The  comparison  of  the  present  approach  with 
previous individual methods in terms of mean square error, peak signal-to-noise ratio, and 
normalized absolute error is also provided. In comparisons with other state of art methods, 
our approach yields better to optimization, and shows to be applicable to a much wider 
range of noises. We discuss how experimental results are useful to guide to select the 
effective combination. Promising performance analyzed through computer simulation and 
compared to give critical analysis.      
Keywords:
Nonlinear Image Restoration, Correlation Distortion Metrics, Median With 
Weight in Spatial Domain, Additive Noise 
1.  INTRODUCTION 
The need for efficient image restoration techniques has grown with the massive production 
of digital images from various fields often taken in noisy conditions. No matter how good 
image sensors are, an image restoration is always desirable to extend their various types of 
transmission media. So it is still exigent problem for researchers. Digital image is generally 
encoded as a matrix of gray level in continuous range called continuous tone image (CTI). 
The  two  main  limitation  in  image  accuracy  are  categorized  as  blur  and  noise,  blur  is 
intrinsic to image acquisition system [1] and second main image perturbation is the different 
type of noises. Nonlinear restoration techniques deal with those images that have been 
recorded in the presence of one or more sources of degradation. Spatial domain is based 
conditionally on the values of the picture element in neighborhood under consideration and 
employ a low pass filtering on groups of picture elements the higher region of frequency 
spectrum [2]. Variety of nonlinear relaxed median and considering weight rank selection 
have been implemented in MATLAB 7.2.0 to see the suitable combination according to the 
noise and nonlinear restoration technique, as well as to find efficiency of nonlinear filtering 
by  using  various  quality  metrics.  The  performance  of  an  image  nonlinear  restoration 
method depends on its ability to detect the presence of noisy picture element in the digital 
image. An interesting method for restoring of single type of image was proposed in[2] [3]. 
This method appears not to pose any strong restrictions on the degradation. In the cited 
paper, several experimental results on synthetic noises are shown, but little information is 
How to delete text from a pdf document - delete, remove text from PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Allow C# developers to use mature APIs to delete and remove text content from PDF document
erase text in pdf document; delete text pdf acrobat professional
How to delete text from a pdf document - VB.NET PDF delete text library: delete, remove text from PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
VB.NET Programming Guide to Delete Text from PDF File
how to edit and delete text in pdf file; how to delete text in pdf file online
Mr. Anil L. Wanare & Dr.Dilip D. Shah  
International Journal of Image Processing (IJIP), Volume (6) : Issue (2) : 2012 
124 
provided about them. From the information that is given, it appears that the degradation 
techniques that were used in the experiments either circularly symmetric or corresponded 
to straight line motion blurs. There seems to be no reason for the method not to be able to 
successfully deal with other kinds of noises, however the PSF, Gaussian, Speckle, Salt & 
pepper, and Poission noises are shown in this paper appear to have different density. The 
improvements  in  increase  signal  to  noise  ratio  (ISNR)  seem  to  be  between  particular 
ranges in dB for  
specific standard deviation. The experimental result presented in section V show that, with 
much at particular density, our scheme at normally yielded to optimum selection according 
to larger improvement in nonlinear restoration methods. 
In all cases, one has access to more than one degraded image from the same noise a fact 
which can be used to the ill-posedness of the problem. The scheme also assumed that the 
quality of the original image, before the degraded, as happens in most images from various 
fields.To the author’s acknowledge, this is first scheme to be proposed, which is able to 
yield result of optimum selection in such a wide range of situations. The performance and 
robustness of the nonlinear restoration techniques were tested in various experiments, with 
synthetic and real life degradation without and with density of noises on the restoring filters, 
using monochrome images, and  under the single frame.  The quality  of the results was 
evaluated  both visually  and  in terms of  ISNR, normalised mean  square  error  (NMSE), 
Structural  content (SC),  absolute  difference (AD),maximum  difference  (MD),  normalised 
cross correlation i.e. correlation quality metric. Detailed comparisons of median, weighted 
median filtering methods (nonlinear restoration) with MSE, NAE, NMSE, PSNR, AD, MD, 
difference distortion metrics were evaluated, and show that the proposed scheme yields 
significantly better for optimum selection of restoration technique.  
The  remainder  of the  paper  is organised as follows:  Section II provides  a  background 
review on the concepts involved in nonlinear restoration and continuous tone image (CTI), 
discrete tone image (DTI), modelling different types of noise in brief. The median filter and 
weighted median filter implementation in section III. In section IV, results obtain from the 
nonlinear  restoration  techniques  (distortion  metrics,  correlation  metrics  and  histograms 
according to density  of noise). In  section V; we show  comparative  results according to 
combination of CTI, bad CTI and noise to non linear restoration technique. State of art and 
concluding remarks and future research directions are made in section VI. 
2.  BACKGRONUD REVIEW 
In  this  section,  we  briefly  review  previous  work  on  image  restoration,  continuous  tone 
image model   and noise modeling. Image restoration techniques differ in the choice of 
image prior model, and many noise estimation techniques assume synthetic degradations.  
2.1 Continuous Tone Image and Noise Models  
Image sequence
VB.NET PDF Page Delete Library: remove PDF pages in vb.net, ASP.
VB.NET PDF - How to Delete PDF Document Page in VB.NET. Visual Basic Sample Codes to Delete PDF Document Page in VB.NET Class. Free
pdf text watermark remover; how to delete text from a pdf
C# PDF Page Delete Library: remove PDF pages in C#.net, ASP.NET
C#.NET PDF Library - Delete PDF Document Page in C#.NET. Provide C# Users in C#.NET. How to delete a single page from a PDF document.
delete text pdf files; erase text from pdf file
C# PDF Text Extract Library: extract text content from PDF file in
Free online source code for extracting text from adobe PDF document in C#.NET class. Ability to extract highlighted text out of PDF document.
how to delete text in pdf converter professional; how to remove highlighted text in pdf
VB.NET PDF Text Extract Library: extract text content from PDF
SharePoint. Extract text from adobe PDF document in VB.NET Programming. Extract file. Extract highlighted text out of PDF document. Image
delete text from pdf file; delete text from pdf online
and mentioned [17]. Estimation from 
m and further assumption have to be 
is an 
original image, 
degraded (with noise) version of that image and 
is a restored image, 
obtain from 
.It can be computed by equations (1) . 
C# PDF insert text Library: insert text into PDF content in C#.net
C#.NET PDF SDK - Insert Text to PDF Document in C#.NET. This C# coding example describes how to add a single text character to PDF document. // Open a document.
delete text pdf document; delete text pdf preview
C# PDF Convert to Text SDK: Convert PDF to txt files in C#.net
All text content of target PDF document can be copied and pasted to .txt files by keeping original layout. C#.NET class source code
remove text from pdf acrobat; how to delete text in pdf acrobat
C# PDF metadata Library: add, remove, update PDF metadata in C#.
C#.NET PDF SDK - Edit PDF Document Metadata in C#.NET. Allow C# Developers to Read, Add, Edit, Update and Delete PDF Metadata in .NET Project.
how to delete text in pdf file; pdf editor delete text
C# PDF Text Search Library: search text inside PDF file in C#.net
C#.NET. C# Guide about How to Search Text in PDF Document and Obtain Text Content and Location Information with .NET PDF Control.
how to copy text out of a pdf; erase pdf text online
(n)                                           (o)                                          (p)                                         
FIGURE 1: 
Set of typical gray scale images used in experiment (a) “cameraman” (b) “water” 
(c) “chemical plant” (d) “man” (e) “ resolution chart” (f) “clock” (g) “plane”. (h) “pic house”   
(i) “circuit”   (j) “brain” (k) “liver” (l) “baboon” (m) “apperts” (n) “arial” (o) “planet” (p) “pepper” 
etc.
All  images  from  various  fields  as  Calgary  corpus  and  some  natural  images  from  the 
Berkeley image segmentation database [19] are applied for experimentation. We tested the 
nonlinear  restoration  methods  on  different  types  of  continuous  tone  images.  We  also 
performed comparisons with to each other on same data. Median and weighted median 
filters implementing in Matlab7.2.0. In the spatial domain, the PSF describes the degree to 
which an optical system blurs (spreads) a point of light [20] in weighted median filter. In this 
section, we first describe the experiment, which was intended at showing that effectively 
deals with a large variety of images and of noises. 
Specially goals are: i) to examine the correlation quality between numerical results with 
ground truth data image (corrupted by additive noise) and results from experiments with 
original image ii) to quantify the performance in percentage (%) according to level of noise.  
And sequence of wide variety of noise density 0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08, 
0.09, and 0.10. Details parameters  were computed on Intel core 2 duo system at 2.8GHz, 
programmed in Matlab  for monochrome continuous tone 33 images of size 256x256 as 
shown in fig.1., about average time 30 seconds after adding degradation. Experiments are 
performed  to  observe  the  effectiveness  of  the  nonlinear  restoration  techniques.  The 
qualities of the various field images are compared in terms  of visual quality and quality 
correlation parameters.  
Table1 and table 2 gives a summary of the result, in terms of improvement in percentage 
according to MSE and NAE to different four types of synthetic degradation. Improvement is 
computed by,
FIGURE 2: Number of images from diversified fields versus improvement in percentage according to 
normalized absolute error for the different four degradations; Gaussian, salt & pepper, speckle, 
poission noise 
FIGURE 3:
Noise density (standard deviation) versus normalized cross correlation and maximum 
difference of restored cameraman image with Gaussian noise 
Weighted Median filter provides the consistence performance to all continuous tone images 
with Gaussian noise except for medical images which are having more Black back ground 
like brain and liver. Resolution chart and plane having remarkable result as shown in Table 
3. Image of Chemical plant contains same things although this is from natural and Brain 
from medical field (x-ray), so visually performance of median filter is not up to the mark 
according, to obtained numerical results to Gaussian  noise. It is effective for these four 
images from object oriented and some natural fields; otherwise we can apply to remaining 
images, if Gaussian noise is there, or else, we can’t apply said restoration technique. 
Mr. Anil L. Wanare & Dr.Dilip D. Shah  
International Journal of Image Processing (IJIP), Volume (6) : Issue (2) : 2012 
131 
Images from 
diversified 
fields 
MSEI noisy 
image 
/MSEII 
Restored 
image 
Improvement 
according to 
MSE in % 
Images from 
diversified 
fields 
MSEI noisy 
image /MSEII 
Restored image 
Improv
ement 
accordi
ng to 
MSE in 
Cameraman 
34/22 
35.29 
Water 
30/20 
33.36 
Chem. Plant 
34/24 
29.41 
Man 
34/13 
45.83 
Resol. Chart 
85/55 
54.55 
Clock 
35/17 
51.42 
Plannet 
29/12 
58.62 
Arial 
41/28 
31.70 
Plane 
28/16 
42.85 
Pic house 
31/21 
32.25 
Pepper 
30/23 
23.34 
Liver 
20/11 
45.00 
Circiut 
27/17 
37.03 
Brain 
18/11 
38.88 
Baboon 
43/36 
16.27 
Apperts 
05/03 
40.00 
TABLE 3: Comparison of Improvement in parentage of diversified field images with MSE I 
(Degraded by Gaussian noise at noise density = 0.01) and MSEII (Restored images 
denoised by weighted median filter 
Table 4 shows the ISNR values obtained with the synthetic degradation. We can see that, 
with nonlinear  restoration method  is  clearly providing  significant  improvement in  quality 
result. Nonlinear restoration method only yielded a significant improvement in image quality 
for the Gaussian noise with zero mean and standard deviation 0.01, as expected to natural 
images.  When  we  used  mentioned  images  with  salt  &  pepper  noise,  which  are  most 
appropriate for  aerial  images.  Nonlinear
restoration  method  only  surpassed  in  case  of 
speckle noise to only planet and X-ray medical images. ISNR values attained in the tests 
described so far in some cases can be considered rather good, taking into account that the 
restoration methods under nonlinear techniques. In fact, these ISNR values are relatively 
close to the values attained by state of art restoration methods. 
Various 
Types of 
images 
from 
diversified  
fields 
ISNR values in dB with 
PSF#5, salt & pepper #6,  
Gaussian #7, speckle #8, 
respectively 
Various 
Types of 
images 
from 
diversified  
fields 
ISNR values in dB with PSF#5, 
salt & pepper #6,  Gaussian #7, 
speckle #8, respectively 
#5 
#6 
#7 
#8 
#5 
#6 
#7 
#8 
Cameraman  16.30  15.13  15.32  13.73  Planet 
9.65 
9.96 
9.55 
10.08 
Water  16.74  16.57  16.60  16.67  house 
9.62 
12.60 
9.72 
12.78 
Chem.Plant  14.86  12.55  12.83  14.11  Pepper 
13.08 
11.63 
12.85 
11.73 
Man  32.25  111.1  34.44  43.13  Liver 
4.99 
6.13 
10.93 
5.80 
Reso. chart  8.44 
8.31 
4.67 
8.34 
Circuit 
23.7 
21.12 
5.71 
24.49 
Clock  5.79 
5.84 
5.67 
5.52 
Brain 
1.14 
0.93 
25.53 
1.83 
Plane  5.47 
5.61 
5.79 
5.64 
Baboon 
9.80 
9.66 
1.33 
9.64 
Arial  8.65 
9.50 
9.55 
9.20 
Apperts 
36.08 
42.33 
8.89 
32.88 
TABLE 4 : 
ISNR values (in dB) obtained for nonlinear restoration method with PSF, 
Gaussian, Salt & Pepper, and Speckle noises to given sequence of images from diversified 
fields, the best result are shown in bold 
Comparison of result obtained with and without Gaussian noise on the median filter. Each 
entry gives summation of Autocorrelation and cross correlation of original image with and 
restored image version of tested images. The correlation between two images is a standard 
approach to feature detection as well as a component of more sophisticated techniques of 
original, with degraded image and restored image. Required steps are shown in fig.5.  
Mr. Anil L. Wanare & Dr.Dilip D. Shah  
International Journal of Image Processing (IJIP), Volume (6) : Issue (2) : 2012 
132 
FIGURE 4: 
Comparison of various images from diversified fields with autocorrelation and 
cross correlation of the original image, degraded by Gaussian noise image with constant 
density, and restored image by median filtering technique. 
(q)                       ( r)                              (s) 
(t)                     (u)                     (v)                   (w)                   (x)      
FIGURE 5: 
Steps of Performing and evaluating the correlation quality of noisy image and Restored 
image, (q) “original image cameraman” (r) “image degraded by Gaussian noise” (s) “restored image” 
(t) “ Autocorrelation of original image” (u) “ Cross correlation of original & noisy image” (v) “Cross 
correlation of restored & original image” (w) “difference between u and  t; (u-t) ” (x) “difference 
between v  and  t: (v-t)” 
Besides testing the proposed scheme on synthetic degradations, we also applied it to real-
life  degraded  photos.  We  used  four  different  gray  scale  images  shown  in  fig.6.  The 
corresponding grayscale images were also restored by nonlinear filtering techniques. We 
addressed two kinds of real-life degradations: the images in fig.6.were purposely taken with 
the camera wrongly focused in foggy area, while original version in fig.6. The camera was 
rotated in vertical direction while the images being taken in foggy forest area to produce a 
particular noise. 
Documents you may be interested
Documents you may be interested