文献

J-GLOBAL ID：202202210311248874   整理番号：22A0651621

拡散方程式と深層学習に基づく適応画像雑音除去法【JST・京大機械翻訳】

Adaptive Image Denoising Method Based on Diffusion Equation and Deep Learning

著者 (5件)： Ma Shaobin (School of Digital Media, Lanzhou University of Arts and Science, Lanzhou 730010, China) ,  Ma Shaobin (VR Technology R&D and Promotion Center, Lanzhou University of Arts and Science, Lanzhou 730010, China) ,  Li Lan (School of Digital Media, Lanzhou University of Arts and Science, Lanzhou 730010, China) ,  Zhang Chengwen (School of Digital Media, Lanzhou University of Arts and Science, Lanzhou 730010, China) ,  Zhang Chengwen (VR Technology R&D and Promotion Center, Lanzhou University of Arts and Science, Lanzhou 730010, China)
資料名： Journal of Robotics (Web)  (Journal of Robotics (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7791A  ISSN： 1687-9600  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 効果的な雑音除去は画像雑音除去研究における最新の話題となり,画像の重要な詳細を保存している。適合拡散に基づく適応閾値画像雑音除去アルゴリズムを提案した。最初に,拡散方程式における拡散係数を改善し,そして,過剰拡散強度に起因する集合組織詳細損失および端部劣化の欠陥を克服するために,適合拡散係数を確立した。次に,閾値関数を適応的に設計し,改良して,画像の最大グレー値と反復数に従って関数の閾値を自動的に制御することができ,エッジとテクスチャのような画像の重要な詳細をさらに保存した。ニューラルネットワークを用いて,画像統計特性の良好な学習能力,主に拡散方程式と深層学習(CNN)アルゴリズムによる画像雑音除去を実現し,ネットワーク最適化の活性化関数の影響に焦点を当て,入力画像の特性を研究し,拡散方程式と最適化バックプロパゲーション学習の深度に適応アルゴリズムをより良く利用する方法を検討した。モデルの訓練速度は加速され,アルゴリズムの収束は改善される。バッチ標準化と残差学習技術を組み合わせて,畳込みネットワークの深い残差学習に基づく画像雑音除去ネットワークモデルを,より良い雑音除去性能によって設計した。最後に,アルゴリズムを他の優れた雑音除去アルゴリズムと比較した。比較結果から,本論文における改良雑音除去アルゴリズムも,鋭さを失うことなく雑音除去画像の詳細復元を改善できることがわかった。さらに,それは種々のノイズ標準偏差で他の優れた雑音除去アルゴリズムより良いPSNRを持っている。新しいアルゴリズムのPSNRは,古典的アルゴリズムと比較して大いに改良して,それはノイズを効果的に抑制することができて,画像端部と詳細情報を保護することができた。Copyright 2022 Shaobin Ma et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *拡散 ,  拡散係数 ,  *拡散方程式 ,  関数 ,  最適化 ,  *雑音 ,  閾値 ,  畳込み ,  *学習 ,  ネットワーク ,  残差 ,  *画像補正 ,  逆伝搬法 ,  *雑音除去
準シソーラス用語： *画像雑音除去 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (28件)：

• K. Satya, T. Jayachandra, "Deep learning approach for image denoising and image demosaicing," International Journal of Computer Application, vol. 168, no. 9, pp. 18-26, 2017.
• S. Kumar, M. Sar Fa Raz, M. K. Ahmad, "Denoising method based on wavelet coefficients via diffusion equation," Iranian Journal of Science and Technology. Transaction A, Science, vol. 42, no. 6, pp. 41-56, 2017.
• X. Y. Meng, L. Che, Z. H. Liu, "Towards a partial differential equation remote sensing image method based on adaptive degradation diffusion parameter," Multimedia Tools and Applications, vol. 76, pp. 17651-17667, 2017.
• K. M. Santosh, "Denoising method based on wavelet coefficients via diffusion equation," Iranian Journal of Science & Technology. Transaction A Science, vol. 42, no. 6, pp. 98-104, 2018.
• S. Zhai, Z. Weng, X. Feng, "An adaptive local grid refinement method for 2D diffusion equation with variable coefficients based on block-centered finite differences," Applied Mathematics and Computation, vol. 268, pp. 284-294, 2015.

タイトルに関連する用語 (4件)： 拡散方程式 ,  深層学習 ,  適応 ,  画像雑音除去