اکثر روش‌های درونیابی تصویر موجود، تصویر را بدون نویز فرض می‌کنند. حال آنکه این فرضیه در عمل معتبر نیست. روش متداول برای درونیابی تصاویر نویزدار حذف یا کاهش نویز در قدم اول و سپس درونیابی تصویر فاقد نویز است. فرآیند حذف نویز ممکن است بسیاری از جزئیات تصویر را هموار ‌کند و همچنین آثار نامطلوب ناشی از آن مانند تاری و بلوکی شدن، در مرحله درونیابی تقویت نیز می‌شوند. در این مقاله، الگوریتمی همزمان برای درونیابی و حذف نویز فلفل نمکی تصاویر با استفاده از تبدیل ویولت مختلط دو درختی و شبکه‌های عصبی پیشرو ارائه شده است. در این الگوریتم زیرباندهای ویولت متناظر با تصویر با رزولوشن بالا و بدون نویز توسط پرسپترون چند لایه از روی تصویر با رزولوشن پایین نویزدار تخمین زده می‌شوند. سپس تصویر رزولوشن بالای فاقد نویز با اعمال عکس تبدیل ویولت مختلط بر روی زیرباندهای تخمین زده شده بازیابی می‌گردد. با بهره‌گیری از مزایای تبدیل ویولت مختلط مانند تقریبا تغییرناپذیر بودن نسبت به جابجایی و جهت دار بودن، تخمین انجام شده توسط شبکه‌های عصبی با دقت بالایی صورت می‌پذیرد. بنابر نتایج آزمایش‌های انجام شده، الگوریتم پیشنهادی در مقایسه با سایر روش‌های درونیابی و حذف نویز، از لحاظ کمی و کیفی عملکرد بهتری داشته و قادر به حفظ جزئیات تصویر است. Manuscript profile