این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۲، شماره ۱، صفحات ۱-۴۵
عنوان فارسی مروری بر شبکه‌های عصبی حذف نویز تصویر
چکیده فارسی مقاله حذف نویز تصویر یک موضوع فعال در پردازش تصویر سطح پایین است و تاکنون تحقیقات بسیاری در این زمینه انجام شده است. روش‌های حذف نویز تصویر را می‌توان به دو دسته کلی روش‌های مبتنی بر مدل و روش‌های مبتنی بر یادگیری افتراقی تقسیم‌بندی کرد. شبکه‌های عصبی کانولوشن (CNN) عمیق یکی از روش‌های مبتنی بر یادگیری هستند که در سال‌های اخیر نتایج خوبی را در وظایف مختلف بازیابی تصویر (از جمله حذف نویز تصویر) ارائه کردند. در این پژوهش ابتدا روش‌های حذف نویز مبتنی بر مدل به صورت اجمالی معرفی و مزایا و معایب آن‌ها بررسی شده است؛ سپس شبکه‌های عصبی حذف نویز، از نظر معماری شبکه و بخش‌های تشکیل دهنده، مورد بررسی قرار گرفته و ساختارهای مورد استفاده در این شبکه‌ها، که موجب بهبود عملکرد حذف نویز شده است، معرفی شده‌اند. در بخش پایانی این مقاله ساختار کلی مشترک شبکه‌های عصبی حذف نویز مدرن، به همراه عملکرد بخش‌های مختلف این ساختار مورد بررسی قرار گرفته است. این مقاله می‌تواند مرجع مناسبی برای مطالعه ایده‌های مورد استفاده در معماری شبکه‌های عصبی کانولوشن حذف نویز باشد.
کلیدواژه‌های فارسی مقاله حذف نویز تصویر،شبکه عصبی عمیق،نویز گوسی،توصیفگر تصویر،بازیابی تصویر،
عنوان انگلیسی A Review on Image Denoising by Neural Networks
چکیده انگلیسی مقاله Image denoising is an active topic in low-level image processing, and many researches have been carried out in this field. Image noise removal methods can be divided into two general categories: model-based methods and differential learning-based methods. Deep Convolutional Neural Networks (CNNs) are one of the learning-based methods that have provided good results in various image restoration tasks (including image denoising) in recent years. In this research, first, model-based noise removal methods have been briefly introduced and their advantages and disadvantages have been examined; then, the neural networks of noise removal have been examined in terms of network architecture and constituent parts, and the structures used in these networks, which have improved the performance of noise removal, have been introduced. In the final section of this article, the general common structure of modern denoising neural networks is examined, along with the performance of different parts of this structure. This article can be a good reference for studying the ideas used in the architecture of denoising convolutional neural networks. The use of the importance coefficient for each pixel improves the collection of spatial information and improves the image denoising process, and the method.
کلیدواژه‌های انگلیسی مقاله حذف نویز تصویر,شبکه عصبی عمیق,نویز گوسی,توصیفگر تصویر,بازیابی تصویر
نویسندگان مقاله جواد آسلیمی ضامنجانی |
دانشجوی دکتری مهندسی کامپیوتر-نرم افزار، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک، اراک، ایران.

محمد حسین شکور |
دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک

محسن رحمانی |
دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک

نشانی اینترنتی https://jmvip.sinaweb.net/article_228434_257531000a4316a198bcd613200134c5.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات