• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Deep Learning Based Switching Filter for Impulsive Noise Removal in Color Images
【2h】

Deep Learning Based Switching Filter for Impulsive Noise Removal in Color Images

机译：基于深度学习的开关滤波器用于彩色图像中的脉冲噪声去除

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Noise reduction is one of the most important and still active research topics in low-level image processing due to its high impact on object detection and scene understanding for computer vision systems. Recently, we observed a substantially increased interest in the application of deep learning algorithms. Many computer vision systems use them, due to their impressive capability of feature extraction and classification. While these methods have also been successfully applied in image denoising, significantly improving its performance, most of the proposed approaches were designed for Gaussian noise suppression. In this paper, we present a switching filtering technique intended for impulsive noise removal using deep learning. In the proposed method, the distorted pixels are detected using a deep neural network architecture and restored with the fast adaptive mean filter. The performed experiments show that the proposed approach is superior to the state-of-the-art filters designed for impulsive noise removal in color digital images.
机译：由于降噪对计算机视觉系统的目标检测和场景理解有很大影响，因此降噪是低级图像处理中最重要且仍是活跃的研究主题之一。最近，我们观察到了对深度学习算法应用的极大兴趣。由于其强大的特征提取和分类能力，许多计算机视觉系统都使用它们。虽然这些方法也已成功地应用于图像去噪，显着改善了其性能，但大多数建议的方法都是针对高斯噪声抑制而设计的。在本文中，我们提出了一种旨在使用深度学习去除脉冲噪声的开关滤波技术。在提出的方法中，使用深度神经网络架构检测失真像素，并使用快速自适应均值滤波器进行恢复。进行的实验表明，所提出的方法优于为彩色数字图像中的脉冲噪声去除而设计的最新滤波器。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号