چکیده: عوامل متعددی مانند خرابی حسگر دستگاه‌های تصویربرداری، انتقال الکترونیکی تصاویر و عملیات فشرده‌سازی منجر به ایجاد خرابی‌هایی مانند نویز در تصویر می‌شود. نویز مقدار ناخواسته‌ای است که بر مقادیر پیکسل‌های تصویر اثر می‌گذارد. وجود نویز در تصویر، علاوه بر کاهش کیفیت آن، پردازش و تحلیل تصویر را دچار مشکل می‌کند. تاکنون روش‌های متعددی برای رفع نویز تصویر ارائه شده است، اما این روش‌ها عمدتاً خرابی‌هایی مانند، همواری و جابه‌جایی ارزش پیکسل‌ها در لبه‌ها را به همراه دارند. هدف ما در این تحقیق بهبود عملکرد روش‌های رفع نویز در تصویر و کاهش خرابی ناشی از آنها می‌باشد. اولین قدم مؤثر در روش‌های کاهش اثر نویز در تصویر، شناسایی نوع نویز و شدت آن است. در این تحقیق، از آنتروپی و هیستوگرام تصویر در نواحی هموار، جهت تشخیص نوع نویز استفاده می‌شود. با بهره‌گیری از صفحات بیتی تصویر، میزان شدت نویز در تصویر قابل شناسایی است. در هر تصویر با استفاده از اطلاعاتی مانند میانگین و واریانس آنتروپی صفحات بیتی، شدت نویز در تصویر قابل برآورد است. توجه به سیستم بینایی انسان عامل مهم دیگری است که می‌تواند در عملکرد روش‌های رفع نویز مؤثر باشد. سیستم بینایی انسان به وجود نویز در نواحی هموار تصویر حساسیت بیشتری نسبت به نواحی غیرهموار دارد. ضمناً روش‌های رفع نویز متناسب با شدت نویز، خرابی‌هایی نیز به همراه دارند. بر این اساس، رفع نویز در نواحی هموار تصویر با شدت بیشتری نسبت به نواحی غیرهموار انجام می‌شود. روش ارائه شده در این تحقیق با استفاده از اطلاعات آنتروپی، پیکسون‌بندی و خوشه‌بندی تصویر نویزی را به دو ناحیه هموار و غیرهموار قطعه‌بندی می‌کند. سپس برای رفع نویز در هر یک از این دو ناحیه، مؤلفه‌های مناسبی برای فیلتر انتخاب می‌شود. روش پیشنهادی ضمن کاهش اثر نویز در تصویر و حفظ جزئیات و لبه‌های تصویر، خرابی ناشی از فیلترهای رفع نویز را نیز کاهش می‌دهد. برای ارزیابی روش پیشنهادی از پایگاه‌های داده IVC و CSIQ استفاده شده است. به دلیل عدم وجود نویز نمک و فلفل و نویز تصادفی در این پایگاه‌های داده، دو پایگاه‌ داده مجزا شامل این نوع نویزها تهیه شده است. دقت روش پیشنهادی در تشخیص نوع نویز 97/92 % و در تعیین شدت نویز با اغماض 0/2، 82/50% است. نتایج کیفی و کمّی بدست آمده حاکی از آن است که روش پیشنهادی، در مقایسه با روش‌های پیشین به مراتب عملکرد بهتری در رفع نویز تصویر دارد. علاوه بر این، استفاده از رفع نویز مبتنی بر اساس سیستم بینایی انسان، قادر است عملکرد فیلترهای رفع نویز تصویر را به طور چشمگیری بهبود بخشد.