Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

و Hybrid-Net: یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب

Year: 1400
COI: CSCG04_108
Language: PersianView: 40
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

امیررضا عباسی - دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز
مهدی هاشم زاده - دانشیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز، ایران
جلیل قویدل نیچران - دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان تبریز ایران

Abstract:

امروزه، توسعه، اکتشاف و حفاظت از منابع اقیانوس ها و دریاها موضوع مهمی در بسیاری از کاربردها و صنایع است. تصاویر واضح از زیر آب می توانند اطلاعات ارزشمندی از دنیای زیر آب فراهم کنند؛ با این حال این تصاویر معمولا از کنتراست کم، اعوجاج رنگ و مشکلات نویز رنج می برند و عملیات پردازش تصویر و بینایی ماشین روی تصاویر زیر آب را دچار مشکل می کنند. در این پژوهش، یک شبکه ی عصبی عمیق ترکیبی با عنوان Hybrid-Net برای افزایش کیفیت تصاویر زیر آب معرفی می شود. در روش پیشنهادی، تمرکز بیشتر بر روی استفاده از شبکه های عصبی کانولوشنی است. ساختار Hybrid-Net شامل یک معماری چندگانه است که از آن برای یادگیری نقشه اطمینان استفاده می شود. نقشه اطمینان شامل مهم ترین ویژگی های استخراج شده از ورودی های شبکه است. معماری پیشنهادی علاوه بر تصویر خام ورودی، از کانال های تعادل سفید، متعادل سازی هیستوگرام و تصحیح گاما تغذیه می کند تا نقشه اطمینان مطلوب حاصل شود. همچنین برای اصلاح و بهبود ورودیه ای شبکه، از واحدهای کوچکی برای کاهش هاله ها و مصنوعات موجود در تصاویر استفاده می شود. روش ارائه شده بر روی مجوعه داده UIEB ، که شامل ۹۵۰ تصویر واقعی زیر آب است،آزمایش شده و با استفاده از معیارهای مرجع کامل MSE ، PSNR و SSIM با دیگر روش های به روز مقایسه می شود. تجزیه و تحلیل نتایج نشان دهنده کارایی قابل قبول روش پیشنهادی، و بهبود قابل ملاحظه در ساختار و بافت تصاویر در مقایسه با روش های موجود در زمینه بهبود و افزایش کیفیت تصاویر زیر آب است.

Keywords:

Paper COI Code

This Paper COI Code is CSCG04_108. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1418617/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
عباسی، امیررضا و هاشم زاده، مهدی و قویدل نیچران، جلیل،1400،و Hybrid-Net: یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب،Fourth International Conference on Soft Computing،https://civilica.com/doc/1418617

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 3,696
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support