حذف نویز تصویر با استفاده از رمزگذارهای خودکار کانولوشنال عمیق
| عنوان | حذف نویز تصویر با استفاده از رمزگذارهای خودکار کانولوشنال عمیق |
|---|---|
| نویسنده | چتینکایا، اکرم |
| تاریخ انتشار: | 2019-08-19 |
| موضوع | بینایی کامپیوتر، پردازش تصویر، یادگیری عمیق |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شماره ثبت | 165aa560-b1fc-4531-81c3-ce9247b866b8 |
| محل کتابخانه | گروه علوم کامپیوتر |
| تاریخ | 2019-08-19 |
| متن نمونه | حذف نویز تصویر یکی از مشکلات اساسی در پردازش تصویر است زیرا برای بسیاری از برنامه های بینایی کامپیوتری مورد نیاز است. رویکردهای مختلفی در حذف نویز تصویر در طول سالها از روشهای فضایی تا رویکردهای مبتنی بر مدل استفاده شده است. روشهای متمایز مبتنی بر شبکههای عصبی با عملکرد بهتر از همه روشهای سنتی، در سالهای اخیر محبوبیت پیدا کردهاند. با این حال، بیشتر این روش ها هنوز برای دستیابی به قابلیت پذیری در برابر سطوح و انواع مختلف نویز تلاش می کنند. در این پایان نامه، ما یک رمزگذار خودکار کانولوشنال عمیق همراه با یک نوع شبکه هرمی ویژگی برای حذف نویز تصویر پیشنهاد میکنیم. ما از دادههای شبیهسازیشده در نرمافزار Blender به همراه تصاویر طبیعی خراب در طول آموزش برای بهبود استحکام در برابر سطوح و انواع مختلف نویز استفاده میکنیم. نتایج تجربی ما نشان میدهد که روش پیشنهادی میتواند به عملکرد رقابتی در نویز زدایی گاوسی کور با زمان آموزش کمتر مورد نیاز در مقایسه با روشهای پیشرفته دست یابد. آزمایشهای گسترده به ما نشان داد که روش پیشنهادی عملکرد امیدوارکنندهای را در طیف گستردهای از سطوح نویز با یک شبکه واحد ارائه میدهد. Resimde gürültü gidermek için, uzamsal filtrelemeden modele dayalı yaklaşımlara kadar yıllar içerisinde çeşitli yöntemler kullanılmıştır. Tüm geleneksel yöntemlerden daha iyi bir performans sergilemelerinden ötürü, sinir ağı tabanlı ayrımcı yöntemler son yıllarda popülerlik kazanmıştır. بونونلا بیرلیکته، بو یونتملرین چوغو هالا داها چشیتلی گورولتو سویلرین و تورلرین کارشی اسنکلیک ساغلاماک کونوسوندا سورون یاشامکتادیر. بو تزده، رسیمده گؤرولتو گیدرمک ایچین اوزللیک پیرامیتلرینین بیر چشیدینی ایچرن درین اوریشیملی اتوماتیک کدلائیجی کولانان بیر یونتم سونویوروز. Çeşitli gürültü seviyelerine ve tiplerine karşı dayanıklılığı arttırmak için, öğrenme sırasında doğal görüntülerin yanı sıra; بلندر yazılımında elde ettiğimiz simüle edilmiş verileri de kullanıyoruz. Deneysel sonuçlarımız, önerilen yöntemin, en gelişmiş yöntemlere kıyasla çok daha az bir eğitim süresiyle kör Gauss gürültü giderme işleminde rekabetçi bir performans sergileyebildiğini göstermekted. کپساملی دنیلر بیزه یونتمیمیزین، تک بیر آغ ایله گنیش گورولتو سویسی آرالیغیندا اوموت وریچی بیر اجرانس سرگیلدیغینی د گوستردی. |
