Персоналии

Алгоритмы компьютерного зрения находят широкое применение при решении ряда прикладных задач. Корректность работы таких алгоритмов зависит от поступающих им на вход фото- и видеоданных, подверженных влиянию шумов, поэтому подавление шумов - важный этап низкоуровневой обработки цифровых изображений. В работе исследована винеровская фильтрация нормального белого шума в области дискретного вейвлет-преобразования с применением нейронных сетей. Приведены описания архитектуры сетей, а также разработанного алгоритма их применения для фильтрации в области дискретного вейвлет-преобразования. Предложенный алгоритм протестирован на наборе данных BSDS500 при различных уровнях шума. Качество фильтрации оценено по вычисленным значениям отношения сигнал / шум (SNR) и индекса структурного сходства (SSIM). Результаты обработки тестовых изображений свидетельствуют о том, что разработанный алгоритм превосходит по качеству шумоподавления винеровскую фильтрацию в области дискретного вейвлет-преобразования без использования нейронных сетей и большинство других рассмотренных фильтров.

• Просмотров: 541 | Комментариев : 0