تقليل ضوضاء الصورة باستخدام أجهزة التشفير التلقائية العميقة
| العنوان | تقليل ضوضاء الصورة باستخدام أجهزة التشفير التلقائية العميقة |
|---|---|
| المؤلف | سيتينكايا، أكرم |
| تاريخ النشر: | 2019-08-19 |
| الموضوع | الرؤية الحاسوبية، معالجة الصور، التعلم العميق |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | 165aa560-b1fc-4531-81c3-ce9247b866b8 |
| موقع المكتبة | قسم علوم الحاسوب |
| التاريخ | 2019-08-19 |
| نص عينة | يعد تقليل تشويش الصورة أحد المشكلات الأساسية في مجال معالجة الصور نظرًا لأنه مطلوب في العديد من تطبيقات رؤية الكمبيوتر. تم استخدام أساليب مختلفة في تقليل ضوضاء الصورة على مر السنين بدءًا من التصفية المكانية وحتى الأساليب القائمة على النماذج. بعد أن تفوقت على جميع الأساليب التقليدية، اكتسبت الأساليب التمييزية القائمة على الشبكة العصبية شعبية في السنوات الأخيرة. ومع ذلك، فإن معظم هذه الأساليب لا تزال تكافح من أجل تحقيق المرونة ضد مستويات وأنواع الضوضاء المختلفة. في هذه الأطروحة، نقترح جهاز تشفير تلقائي تلافيفي عميق مدمج مع شبكة هرمية مختلفة لتقليل ضوضاء الصورة. نحن نستخدم البيانات المحاكاة في برنامج Blender جنبًا إلى جنب مع الصور الطبيعية التالفة أثناء التدريب لتحسين المتانة في مواجهة مستويات وأنواع الضوضاء المختلفة. تظهر نتائجنا التجريبية أن الطريقة المقترحة يمكن أن تحقق أداءً تنافسيًا في تقليل الضوضاء الغوسية العمياء مع وقت تدريب أقل بكثير مقارنة بالطرق الحديثة. أظهرت تجارب موسعة أن الطريقة المقترحة تعطي أداءً واعدًا في نطاق واسع من مستويات الضوضاء من خلال شبكة واحدة. Resimde gurültü gidermek için, uzamsal filtrelemeden model dayalı yaklaşımlara kadar yıllar içerisinde yöntemler kullanılmıştır. Tüm geleneksel yöntemlerden daha iyi bir Performances sergilelerinden ötürü, sinir ağı tabanlı ayrımcı yöntemler son yıllarda popülerlik kazanmıştır. Bununla birlikte, bu yöntemlerin çoğu hala daha çeşitli gürültü seviyelerine ve türlerine karşı esneklik sağlamak konusunda sorun yaşamaktadır. ولكن بعد ذلك، يتم استخدام أدوات التنظيف الأوتوماتيكية بالكامل من أجل إزالة الشوائب تلقائيًا. Ceşitli gürültü seviyelerine ve Tiplerine karşı dayanıklılığı arttırmak için, öğrenme sırasında doğal görüntülerin yanı sıra; Blender yazılımında elde ettiğimiz simüle edilmiş verileri de kullanıyoruz. قام Deneysel Sonuçlarımız، önerilen yöntemin، ويستمتع بالمزيد من الراحة مع ضمان الأمان الذي يقدمه Gauss Gurültü من خلال إعادة تدريب أداء الممثلين. Kapsamlı deneyler bize yöntemimizin، tek bir il geniş gurültü seviyesi aralığında umut verici bir Performance sergilediğini de gösterdi. |
