文献

J-GLOBAL ID：201802241291755867   整理番号：18A1149131

CNNモデルに基づく画像雑音除去【JST・京大機械翻訳】

Image denoising based on a CNN model

著者 (3件)： Liu Zhe (Auckland University of Technology, Auckland 1010 New Zealand) ,  Yan Wei Qi (Auckland University of Technology, Auckland 1010 New Zealand) ,  Yang Mee Loong (Auckland University of Technology, Auckland 1010 New Zealand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCAR  ページ： 389-393  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディジタル画像処理において,高品質画像を再構成するためのフィルタリングノイズは,オブジェクトセグメンテーション,検出,認識およびトラッキングなどの更なる画像処理のための重要な仕事である。本論文では,画像雑音除去のための深い学習においてCNNモデルを用いた。平均フィルタリング,Wienerフィルタリングおよびメディアンフィルタリングのような従来の画像雑音除去法と比較して,このCNNモデルを用いる利点は,このモデルのパラメータがネットワーク訓練を通して最適化できることである。一方,従来の画像雑音除去において,これらのアルゴリズムのパラメータは固定されており,フィルタリング,すなわち適応性の欠如の間に調整できない。本論文では,線形CNNモデルに基づく雑音除去法を設計し,実装した。著者らの実験結果は,提案したCNNモデルが効果的にGauss雑音を取り除くことができて,従来の画像フィルタリング方法の性能を著しく改良することができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  画像処理 ,  Gauss雑音 ,  ネットワーク ,  再構成 ,  フィルタリング ,  線形性 ,  *画像 ,  適応性 ,  アルゴリズム ,  *雑音除去
準シソーラス用語： 画像フィルタリング ,  オブジェクトセグメンテーション ,  デジタル画像処理 ,  *画像雑音除去 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： CNN ,  モデル ,  画像雑音除去