سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

DyDeNet: حذف نویز کور و سریع نمک و فلفل با استفاده از شبکه کانولوشن پویای گسترشی عمیق

نویسندگان :

علیرضا خدادادی¹ علیرضا نقش²

1- دانشگاه آزاد اسلامی واحد نجف آباد ، اصفهان 2- دانشگاه آزاد اسلامی واحد نجف آباد ، اصفهان

کلمات کلیدی :

حذف نویز تصویر،نویز نمک و فلفل،کانولوشن پویا،مکانیزم توجه،بازسازی کور

چکیده :

حذف نویز نمک و فلفل با چگالی بالا، یکی از چالش‌های اساسی در پردازش تصویر و بینایی ماشین است. روش‌های متداول فیلترینگ مانند فیلتر میانه، اگرچه در چگالی‌های پایین عملکرد قابل قبولی دارند، اما در مواجهه با نویزهای شدید (بیش از 50 درصد) دچار افت کیفیت، ایجاد تاری و از دست رفتن جزئیات لبه‌ها می‌شوند. در این پژوهش، یک شبکه عصبی عمیق جدید با نام DyDeNet مبتنی بر مکانیزم کانولوشن پویای گسترشی برای بازیابی تصاویر تخریب‌شده پیشنهاد شده است. بر خلاف لایه‌های کانولوشن استاندارد که تمام پیکسل‌ها را به طور یکسان پردازش می‌کنند، روش پیشنهادی با استفاده از یک ماسک اعتبار پویا، تنها پیکسل‌های سالم را در محاسبات دخالت داده و اثر مخرب پیکسل‌های نویزی را خنثی می‌کند. یکی از نوآوری‌های کلیدی این معماری، استفاده از کرنل‌های با اندازه متغیر و افزایشی است که باعث گسترش میدان دید شبکه شده و امکان بازیابی اطلاعات را حتی در چگالی نویز 99 درصد فراهم می‌کند. علاوه بر این، با بهره‌گیری از استراتژی آموزش کور، مدل پیشنهادی قادر است بدون نیاز به دانش قبلی درباره شدت نویز، تصاویر را بازسازی نماید. نتایج آزمایش‌های تجربی نشان می‌دهد که روش پیشنهادی از نظر معیارهای کمی PSNR و SSIM و همچنین کیفیت بصری، عملکرد بهتری نسبت به روش‌های پیشین داشته و به دلیل ساختار بهینه‌سازی شده ماتریسی، از سرعت پردازش بالایی برخوردار است.