Bu çalışma, bozulmuş görüntülerden gürültüleri temizlemek için yapay sinir ağları (YSA) tabanlı yeni bir yaklaşım sunar. YSA’ların öğrenme hızını ile ileri yönde hesaplama işlemlerini arttırmak için Levenberg-Marquardt ve genişletilmiş Delta-BarDelta algoritmaları ile eğitilmiştir. YSA modelleriyle onarılan görüntüler, literatürdeki klasik teknikler, FFT, Wiener+Median filtreleme and Wavelet gürültü giderici ile de karşılaştırılmıştır. Elde edilen sonuçlar göstermiştir ki çalışma kapsamında sunulan yeni yaklaşımın herhangi bir matematiksel model kullanılmaksızın bozulmuş görüntülerden basit ve başarılı bir şekilde gürültüleri temizlediği görülmüştür

This study presents a novel approach based on artificial neural networks (ANNs) to remove noises from defected images.ANNs were trained with two different learning algorithms, Levenberg-Marquardt and Extended-Delta-Bar-Delta, for speeding upthe training and feedforward calculation processes. The restored results were also compared to the classical techniques, FFT,Wiener+Median filtering and wavelet denoising. The results were shown that the proposed novel neural model providessimplicity and accuracy to remove noises from defected images without estimating any mathematical model than the others