چکيده

حذف نویز تصویر را می توان به عنوان یک نگاشت از یک تصویر نویزی  به یک تصویر بدون نویز توصیف کرد.  شبکه های عصبی می توانند در رسیدن به حذف نویز تصویر مفید باشند. و برای رسیدن به آموزش مناسب شبکه ، مهم است که (الف) ظرفیت شبکه به اندازه کافی بزرگ باشد، (ب) اندازه پچ به اندازه کافی بزرگ باشد، و (ج) مجموعه آموزش به اندازه کافی بزرگ باشد.

برای denoise تصویر ما یک تصویر نویز دار داده شده را به تکه هایی که  با هم تداخل دارند را تجزیه و نویز هر پچ تصویر را  به طور جداگانه حذف می کنیم و این وظیفه ای است که شبکه دقیقا برای آن آموزش دیده است. تصویر denoise شده  با قرار دادن تکه های تصویر(patch ) که نویز آنها حذف شده  در همان  مکان های اولیه (تکه تصاویر نویز دار) حاصل می شود.

سه مجموعه آزمون های مختلف را برای ارزیابی رویکرد تعریف می کنیم.

آزمون تصاویر استاندارد : این مجموعه شامل 11 عکس، شامل تصاویر استاندارد، مانند “لنا” و “باربارا”، که برای ارزیابی دیگر الگوریتم حذف نویز استفاده شده اند. Pascal VOC2007 و مک گیل: ما به طور تصادفی 500 تصویر را از مجموعه داده مک گیل انتخاب کردیم.

Image denoising : Can plain Neural Networks

 compete with BM3D

نویز زدایی از تصویر : آیا شبکه عصبی ساده میتواند با BM3D رقابت کند؟

 Published in: IEEE

Date of Publication: 2012

مشخصات شبيه ساز:

کارشناسی ارشد مخابرات سیستم

دانشگاه تبریز

محتويات:

• اصل مقاله
• پياده سازي در متلب
• ضميمه کردن گزارش فارسي
• ضمیه کردن دیتابیس

دانلود فايل

Papersim2015@gmail.com