Research on signal and image denoising techniques

Abstract

(English) This dissertation aims to investigate two crucial tasks in the field of signal and image processing: signal denoising and image enhancement. Firstly, for signal processing, we propose three innovative denoising algorithms tailored specifically for one-dimensional EEG signals. These algorithms combine the strengths of deep learning and traditional signal processing techniques to effectively adapt to various noise types associated with different cognitive tasks, thereby enhancing the quality and accuracy of the signals. Secondly, in the domain of image processing, we introduce three novel image enhancement algorithms designed to tackle multiple noise types in natural scenes. By integrating deep learning methodologies with prior knowledge, these algorithms enhance image sharpness, contrast, and detail reproduction, demonstrating adaptability and reliability across different lighting, weather conditions, and photographic equipment. Lastly, we conduct a comprehensive analysis of the similarities and differences between image enhancement and signal denoising tasks. Through comparing the methodologies employed by each in handling diverse noise types, we derive meaningful conclusions to guide future research. These contributions are poised to significantly advance technological capabilities and theoretical understanding in both domains.

(Català) Aquesta dissertació té com a objectiu investigar dues tasques crucials en el camp del processament de senyals i imatges: l'eliminació de soroll de senyals i l'enfortiment d'imatges. En primer lloc, per al processament de senyals, proposem tres algoritmes innovadors d'eliminació de soroll dissenyats específicament per a senyals EEG unidimensionals. Aquests algoritmes combinen les forces de l'aprenentatge profund i les tècniques tradicionals de processament de senyals per adaptar-se eficaçment a diversos tipus de soroll associats amb diferents tasques cognitives, millorant així la qualitat i precisió de les senyals. En segon lloc, en l'àmbit del processament d'imatges, presentem tres nous algoritmes d'enfortiment d'imatges dissenyats per abordar múltiples tipus de soroll en escenes naturals. Integrant metodologies d'aprenentatge profund amb coneixements previs, aquests algoritmes milloren la nitidesa de la imatge, el contrast i la reproducció de detalls, demostrant adaptabilitat i fiabilitat en diferents condicions d'il·luminació, climàtiques i equips fotogràfics. Finalment, realitzem una anàlisi exhaustiva de les similituds i diferències entre les tasques d'enfortiment d'imatges i eliminació de soroll de senyals. En comparar les metodologies emprades per cadascuna per manejar diversos tipus de soroll, en derivem conclusions significatives per guiar la recerca futura. Aquestes contribucions estan destinades a avançar significativament les capacitats tecnològiques i la comprensió teòrica en tots dos camps.

(Español) Esta disertación tiene como objetivo investigar dos tareas cruciales en el campo del procesamiento de señales e imágenes: la eliminación de ruido de señales y el realce de imágenes. En primer lugar, para el procesamiento de señales, proponemos tres algoritmos innovadores de eliminación de ruido diseñados específicamente para señales EEG unidimensionales. Estos algoritmos combinan las fortalezas del aprendizaje profundo y las técnicas tradicionales de procesamiento de señales para adaptarse eficazmente a diversos tipos de ruido asociados con diferentes tareas cognitivas, mejorando así la calidad y precisión de las señales. En segundo lugar, en el ámbito del procesamiento de imágenes, presentamos tres nuevos algoritmos de realce de imágenes diseñados para abordar múltiples tipos de ruido en escenas naturales. Al integrar metodologías de aprendizaje profundo con conocimientos previos, estos algoritmos mejoran la nitidez de la imagen, el contraste y la reproducción de detalles, demostrando adaptabilidad y confiabilidad en diferentes condiciones de iluminación, climáticas y equipos fotográficos. Por último, realizamos un análisis exhaustivo de las similitudes y diferencias entre las tareas de realce de imágenes y eliminación de ruido de señales. Al comparar las metodologías empleadas por cada una para manejar diversos tipos de ruido, derivamos conclusiones significativas para guiar la investigación futura. Estas contribuciones están destinadas a avanzar significativamente las capacidades tecnológicas y la comprensión teórica en ambos campos.