Fast image denoising based on modify CNN and noise estimation

Hoomod, Haider K.; Dawood, Saja Hikmat

doi:10.1109/ntict.2017.7976122

Cited by 2 publications

(2 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The results from the analysis show that the CNN model can efficiently remove a lot of Gaussian noise and restore the image details and data than any other traditional image filtering techniques. Dr. Haider Kadiam Hoomod and Saja Hikmat Dawood [6] proposed two algorithms The first is cellular neural network (CNN) with noise level estimation. The second algorithm is modify cellular neural network with noise level estimation.…”

Section: Literature Surveymentioning

confidence: 99%

A fractional-order variational residual CNN for image denoising

2024

IRJMETS

View full text Add to dashboard Cite

Nowdays photography is an common form of visual communication which becomes an integral part of every ones lives. The evolution of technology has made a good difference in today's way of photography. Sometimes captured images comes with noise, so that it affects the quality of image and also causes loss of information. So there is need to remove noise from an images. In the last few years CNN have becoming popular for denoising of image. Image denoising is a process of removing noise from noisy images, so that we can get a clear image. The aim of this research is to provide a solution which will remove noise from images by improving quality of an image. In this paper, we proposed a noval fractional-order differentiation model which refers to a newly developed mathematical approach that enhance image quality.

show abstract

Section: Literature Surveymentioning

confidence: 99%

A fractional-order variational residual CNN for image denoising

2024

IRJMETS

View full text Add to dashboard Cite

show abstract

“…Görüntü elde etme esnasında çeşitli nedenlerden dolayı görüntüye eklenen istenmeyen sinyaller gürültü olarak adlandırılmaktadır [1]. Görüntü hayatımızın birçok alanının ayrılmaz bir parçası haline gelmiştir [2]. Tıpta hastalık teşhisinde, askeri alanda uydu görüntülerinde, özel anların unutulmaz kılınması istendiğinde, kimlik doğrulama işlemlerinde ve benzeri birçok durumda görüntüden ve görüntünün kusursuzluğunun istenmesinden bahsetmek mümkündür.…”

Section: Introductionunclassified

Evrişimsel Sinir Ağları ile Görüntülerde Gürültü Türünü Saptama

Güneş,

Çetin Kaya

2024

Bilgisayar Bilimleri Ve Mühendisliği Dergisi

View full text Add to dashboard Cite

Gürültü, görüntü elde etme sırasında görüntüye eklenen istenmeyen sinyallerdir. Bir görüntüden gürültünün arındırılmasında kullanılan filtre yöntemlerinin başarılı olabilmesi için gürültü türünün doğru şekilde analiz edilmesi gerekmektedir. Bu çalışma ile görüntülerdeki gürültü türünün ve gürültüsüz görüntülerin doğru ve pratik şekilde saptanması hedeflenmiştir. Ayrıca, Evrişimli Sinir Ağları (ESA) ile gürültü tahmininde hangi eniyileme algoritmasının tercih edilebileceğine ışık tutulmaya çalışılmıştır. Görüntülerde tuz-biber, gauss ve benek gürültü türlerinin saptanması için VGG-16 mimarisi temel alınarak bir ESA modeli önerilmiştir. Önerilen model transfer öğrenme yöntemi ve ince ayar yaklaşımı kullanılarak eğitilmiş ve beş eniyileme algoritmasının model başarımı üzerindeki etkisi incelenmiştir. Gürültü türünün saptanması için en iyi doğruluk %98,75 ile RMSProp eniyileme algoritması kullanılarak elde edilmiştir. Başarım performansları, gürültü türünün saptanmasında önerilen ESA mimarisinin başarı ile kullanılabileceği gösterilmiştir.

show abstract

Fast image denoising based on modify CNN and noise estimation

Cited by 2 publications

References 6 publications

A fractional-order variational residual CNN for image denoising

A fractional-order variational residual CNN for image denoising

Evrişimsel Sinir Ağları ile Görüntülerde Gürültü Türünü Saptama

Contact Info

Product

Resources

About