حذف نویز تصویر با استفاده از روش یادگیری عمیق شبکه های عصبی پیچشی

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 282

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG04_066

تاریخ نمایه سازی: 23 اسفند 1400

چکیده مقاله:

موضوع کنترل و استفاده از تصاویر در دنیای امروز بسیار اهمیت دارد، با گسترش تکنولوژی های تصویربرداری همچنان نیاز است علوم کامپیوتری انسان را در تشخیص و مدیریت تصاویر یاری دهند، در این پژوهش با استفاده از روشی نوین در حذف نویز از تصویر به نام BRDNet در حوزه یادگیری عمیق ، تلاش شده به شاخه خاصی از تصاویر پزشکی پرداخته شود و بنابرین حذف نویز موجود در تصاویر MRI مطالعه شده است. نتایج در این پژوهش نشان می دهد که روش BRDNet توانایی حذف نویز بالایی در خصوص تصاویر اسکن مغزی در مقایسه با سایر روش های حذف نویز به روز اخیر از جمله BM۳D و CNN-RL و.. دارد. این کارآمدی در حذف نویز با سیگمای ۲۵ نسبت به سایر سیگماها با نتیجه ی PSNR میانگین ۱۳، ۳۵ و SSIM میانگین ۰.۹۳ قابل ملاحظه می باشد.

کلیدواژه ها:

حذف نویز از تصاویر پزشکی ، شبکه عصبی پیچشی ، یادگیری ماشین ، الگوریتم BRDNet

نویسندگان

پیروزه کیخا

دانشجوی کارشناسی ارشد مدارات مجتمع، موسسه آموزش عالی سردار جنگل، رشت، ایران

مریم عابدینی

گروه مهندسی برق، دانشگاه گیلان، رشت، ایران