فیلتر شبکه عصبی پشتیبانی بردار فازی برای حذف نویز

این بخش به معرفی الگوریتم های پردازش تصویر و ویدیو- سگمنت کردن تصاویر و همچنین حذف نویز در تصاویرمیپردازد. اینجا ما به روز ترین الگوریتم ها و روش های معرفی شده در معتبرترین ژورنال های دنیا را با همدیگه مرور می‌کنیم و برای پروژه های شما راهکار پیشنهادی ارائه دهیم ‏
ارسال پست
IT_Specialist
پست: 14
تاریخ عضویت: شنبه ژولای 20, 2019 4:27 pm

فیلتر شبکه عصبی پشتیبانی بردار فازی برای حذف نویز

پست توسط IT_Specialist » جمعه ژولای 26, 2019 10:52 pm

Denoising یک وظیفه ضروری برای بازگرداندن ویژگی های تصویر از تصاویر خراب شده با کیفیت پایین و بهبود کیفیت ادراک تصاویر است. علاوه بر مزایای قابل توجه در زمینه تصاویر تخریب شده، چندین نوع از ادبیات در کاهش سر و صدای ضربه در تصویر با مشکل مواجه هستند. این کار یک فیلتر جدید را از طریق hybridization فیلتر فازی و فیلترهای غیر محلی (NLM) طراحی می کند. طرح پیشنهادی، نویز ضربه ای در تصاویر را در دو مرحله حذف می کند: 1) شناسایی نویز و 2) مرحله خنثی سازی. شناسایی سر و صدا با ساختن نقشه دوتایی بر اساس طبقه بندی شبکه عصبی پشتیبانی کننده (SVNN) انجام می شود. طبقه بندی SVNN بر اساس الگوریتم ژنتیک آموزش دیده است(GA) برای تعیین وزن مطلوب و تعصب. ویژگی های آموزش از تصاویر استخراج می شوند و بنابراین روش آموزش پیکسل های پر سر و صدا را از پیکسل خوب تفکیک می کند. در مرحله denoising، فیلتر هیبریدی برای حذف نویز ضربه در تصویر فعال است. مدل پیشنهادی از این پنج تصویر استاندارد از قبیل بابون، فیلمبردار، لنا، فلفل و تصویر Pemaquid Point Lighthouse برای هدف آزمایش استفاده می کند. از نتایج شبیه سازی، واضح است که فیلتر هیبریدی پیشنهاد شده همراه با طبقه بندی SVNN نتایج به دست آمده با مقادیر 47.278 دسی بل، 0.978 و 61.637 دسی بل به ترتیب برای PSNR، SSIM و SDME به دست آمد.


https://www.sciencedirect.com/science/a ... 7818300557

ارسال پست

بازگشت به “پردازش تصویر و ویدیو”