ارائه متدی کارامد مبتنی بر شبکه های عصبی پیشرو برای حذف نویز ضربه از تصاویر دیجیتال
Publish place: National Conference on Computer Science and Engineering with a focus on national security and sustainable development
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,413
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
COMPUTER01_169
Index date: 14 October 2015
ارائه متدی کارامد مبتنی بر شبکه های عصبی پیشرو برای حذف نویز ضربه از تصاویر دیجیتال abstract
در این مقاله یک رویکرد کارامد مبتنی بر شبکه عصبی پیشرو برای تشخیص و حذف نویز ضربه ثابت یا همان نویز فلفل نمکی از تصاویر دیجیتال ارائه شده است. فیلتر ارائه شده شامل دو گام تشخیص پیکسل نویزی و تخمین آن از روی پردازش همسایگی پیکسل می باشد. برای تشخیص نویز از یک شبکه عصبی پیشرو تک لایه و برای حذف پیکسلهای نویزی آشکار شده توسط شبکه عصبی، از فیلتر میانگین وزنی استفاده شده است. تصاویر بهبود یافته توسط الگوریتم پیشنهادی با تصاویر حاصل از سایر الگوریتم های اخیر مقایسه شد و از معیار نرخ پیک سیگنال به نویز (PSNR) استفاده شده است. نتایج آزمایشات حاکی از کارامدی فیلتر پیشنهادی هم از نظر معیارهای کمی و هم از نظر معیارهای کیفی بصری می باشد.
ارائه متدی کارامد مبتنی بر شبکه های عصبی پیشرو برای حذف نویز ضربه از تصاویر دیجیتال Keywords:
ارائه متدی کارامد مبتنی بر شبکه های عصبی پیشرو برای حذف نویز ضربه از تصاویر دیجیتال authors
سیما شریعتمداری
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد، دانشکده فنی و مهندسی ، گروه کامپیوتر، یزد، ایران
مجید پور احمدی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد، دانشکده فنی و مهندسی، گروه کامپیوتر ایران
ابوالفضل گندمی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد دانشکده فنی و مهندسی گروه کامپیوتر یزد ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :