حذف نویز تصاویر با استفاده از خودرمزنگار و لایه توجه

حذف نویز یکی از مراحل مهم پیشپردازش تصاویر است؛ زیرا وجود نویز میتواند کیفیت تصویر و عملکرد روشهای بعدی پردازش تصویر را کاهش دهد. در این پژوهش، یک روش مبتنی بر یادگیری عمیق برای کاهش نویز تصاویر ارائه شده است که در آن از شبکه خودرمزنگار بهعنوان ساختار اصلی و از لایه توجه برای بهبود عملکرد مدل در ورودیهای با طول بیشتر استفاده میشود. در فرایند آزمایش، تصاویر یک مجموعهداده استاندارد در ابتدا بدون نویز در نظر گرفته شدند و سپس نویزهای گاوسی، فلفل و نمک و ترکیبی از آنها بهصورت دستی به تصاویر افزوده شد. مدل پایه خودرمزنگار و مدل ترکیبی خودرمزنگار توجه در شرایط مختلف آموزش و ارزیابی شدند. معیار ارزیابی بر اساس تابع هزینه بازسازی شبکه تعریف شد و روند تغییر خطای آموزش و ارزیابی نیز بررسی گردید. نتایج نشان داد مدل پایه در تصاویر با اندازه کوچک عملکرد مناسبی دارد، اما با افزایش طول داده ورودی، افت عملکرد مشاهده میشود. افزودن لایه توجه برای این حالت موجب بهبود روند آموزش و کاهش خطای مدل در مقایسه با مدل پایه شد. تصاویر خروجی نیز نشان دادند که مدل پیشنهادی قادر است بخش قابل توجهی از نویز افزودهشده را کاهش دهد، هرچند حذف نویز در همه نمونهها بهصورت کامل انجام نشده است. بر اساس نتایج مقاله، ترکیب خودرمزنگار و لایه توجه میتواند برای کاهش نویز تصاویر و مقابله با افزایش طول ورودی مورد استفاده قرار گیرد.

کلیدواژه ها:

پردازش تصویر ، حذف نویز ، یادگیری عمیق ، خودرمزنگار ، لایه توجه