PECULIARITIES OF USING NEURAL NETWORKS IN THE TASKS OF DIGITAL IMAGE NOISE REDUCTION
Oleksii Pereverziev, Kirill Trapezon · Transactions of Kremenchuk Mykhailo Ostrohradskyi National University · 2023
Нейронні мережі останнім часом набувають усе більшої популярності в різних сферах мультимедійних систем технічного зору завдяки тому, що їх можна використовувати в режимі високопродуктивних паралельних обчислень, тобто вони визначаються високою обчислювальною ефективністю.Одним із їх практичних застосувань визначають алгоритми та процедури зменшення шуму в кольорових зображеннях.Особливо ефективним виявилося їх використання в медичній та військовій сферах.У першому випадку нейронна мережа дає змогу зберегти потрібну якість зображення, наприклад під час отримання рентгенівських знімків у системах комп'ютерної томографії.У другому випадку такі мережі дуже допомагають у системах супутникової зйомки, особливо коли необхідно зберегти деталі на фотографіях під час проведення розвідки місцевості з висоти або на основі радіолокаційних засобів.У статті наведено наскрізну глибоку нейронну мережу згорткового типу для зменшення адаптивного білого шуму в зображеннях на основі стратегії залишкового навчання цієї мережі.Отримана модель мережі визначається певним рівнем стійкості, що є наслідком проведеного аналізу та наявністю прихованих адаптивних згорткових шарів в її архітектурі.Отримано, що на етапі навчання розроблена мережа показує високі показники, що дає змогу її адаптувати у майбутньому для роботи зі складними зображеннями, які перенасичені деталями та визначаються високою роздільною здатністю.Проведений режим експерименту з тренування нейронної мережі показав, що мережа ефективно видаляє адитивний білий шум.Наприклад, для рівня дисперсії шуму ефективність становила приблизно 8 дБ для метрики пікового відношення «сигнал -шум».Наведені результати дослідження можуть бути використані у подальшому для інших застосувань у системах технічного зору, зокрема під час вирішення задач аналізу зображень в електронних системах відеоспостереження.