|
|
Static image enhancement using wavelet transform
Candrák, Matúš ; Rajmic, Pavel (referee) ; Smékal, Zdeněk (advisor)
In tomography and ultrasound signal processing, there is the noise build-up into the processing. Bachelor's thesis deals with static images highlighting, with denoising using wavelet transformation and edge detection with basic operators. This work describes some types of wavelts used for denoising of image and basic operators for edge detection in the image. The last part deals with a particular application for image processing, which was created in MATLAB.
|
|
|
Photo Noise Reduction Using Deep Neural Networks
Tichý, Jonáš ; Juránek, Roman (referee) ; Španěl, Michal (advisor)
Obrazový šum je fundamentálním problémem v digitální fotografii. Cílem této práce je studium redukce šumu ve fotografiích pomocí hlubokých neuronových sítí. Dvě vybrané metody založené na hlubokých neuronových sítích, DnCNN a BRDNet, byly implementovány a jejich výkon byl změřen v několika experimentech. Kromě toho byl navržen a proveden experiment na uživatelích s cílem vyhodnotit vnímanou kvalitu obrazu širokou veřejností. Experimenty ukázaly, že zatímco obě metody dosahují výborných výsledků v metrikách, jako je PSNR a SSIM, vnímaná vizuální kvalita ne vždy koreluje s numerickými metrikami. Výsledky prezentované v této práci zdůrazňují důležitost vhodných trénovacích dat a metrik kvality obrazu v odšumování digitálních fotografií.
|
|
|
Image noise reduction method based on discrete wavelet transform
Holiš, Michal ; Přinosil, Jiří (referee) ; Malý, Jan (advisor)
This bachelor's thesis contains theoretical treatise on noises, which occur in digital visual data, their classification and possibilities of their removal. The next part is applied to theory of wavelets, wavelet transforms and their usage in working with one-dimensional, but mostly with two-dimensional signals. It is than mainly applied on visual data with a view to removing of failures contained in these data. The last part of the thesis is about implementation of demonstrational programme. This programme is created for removing of noise from the chosen visual data on the basis of user's chosen variables.
|
|
|
Audio noise reduction using deep neural networks
Talár, Ondřej ; Galáž, Zoltán (referee) ; Harár, Pavol (advisor)
The thesis focuses on the use of deep recurrent neural network, architecture Long Short-Term Memory for robust denoising of audio signal. LSTM is currently very attractive due to its characteristics to remember previous weights, or edit them not only according to the used algorithms, but also by examining changes in neighboring cells. The work describes the selection of the initial dataset and used noise along with the creation of optimal test data. For creation of the training network is selected KERAS framework for Python and are explored and discussed possible candidates for viable solutions.
|
|
|
Image data processing using principal component analysis (PCA)
Solnický, Jan ; Archalous, Tomáš (referee) ; Rychtárik, Milan (advisor)
This project deals with using of principal component analysis (PCA) in image processing and its aim is introduce mathematical apparatus of principal component analysis and possibility of its using in image processing. Project contains instructions how to compress images with using PCA and also how to convert colour image to grayscale intensity image. There are shown how to use PCA to denoising operation in wavelet spectrum. Project includes results of that operations and their evaluation.
|
|
|
Removing noise in images using deep learning methods
Strejček, Jakub ; Jakubíček, Roman (referee) ; Vičar, Tomáš (advisor)
This thesis focuses on comparing methods of denoising by deep learning and their implementation. In the last few years, it has become clear that it is not necessary to have paired data, as for noisy and clean pictures, to train convolution neural networks but it is sufficient to have only noisy pictures for denoising in particular cases. By using methods described in this thesis it is possible to effectively remove i.e. additive Gaussian noise and what more, it is possible to achieve better results than by using statistic methods, which are being used for denoising these days.
|
|
|
Noise reduction in high resolution computed tomography data
Tkadlecová, Markéta ; Chmelík,, Jiří (referee) ; Zikmund, Tomáš (advisor)
Vzhledem ke komplexnosti procesu akvizice dat výpočetní tomografie (CT) je šum v rentgenových snímcích nevyhnutelný a může vést ke zkreslení získané informace. Proto by měl být co nejvíce potlačen. Dosud se výzkum zaměřoval především na redukci šumu v CT datech u lékařských CT s nízkými dávkami, zatímco o šumu a jeho potlačení v CT datech s vysokým rozlišením je známo jen málo. Tato redukce může probíhat v oblasti rentgenových snímků, v průběhu tomografické rekonstrukce nebo v oblasti tomografických řezů. Tato práce se zabývá především redukcí šumu v rentgenových snímcích a tomografických řezech. Prvním krokem k nalezení komplexní metodiky je určení rozdělení a matematického modelu šumu přítomného v rentgenových snímcích. Tento model byl určen pomocí snímků bez přítomného vzorku, které byly pořízeny s různými expozičními časy. Pomocí stanoveného modelu byl simulován šum ve fantomovém datasetu. Vybrané algoritmy byly testovány na projekčních snímcích a tomografických řezech fantomu a porovnávány jak subjektivně, tak objektivně pomocí metrik kvality obrazu. Strategie s nejlepšími výsledky byly dále testovány na naměřených CT datech z CT systému Rigaku nano3DX s vysokým rozlišením a byly popsány jejich výhody, omezení a možnosti využití.
|
|
|
Analysis of denoising effect on difusion weighted MR images
Coufal, Petr ; Kudlička, Petr (referee) ; Vojtíšek, Lubomír (advisor)
This bachelor thesis deals with magnetic resonance imaging (MRI) and analysis of image quality based on denoising usage. Particularly, this thesis focuses on diffusion weighted imaging (DWI), which is a technique used for diffusion visualization in human tissue. At the beginning, there is a summary of the MRI principle and overview of important concepts. Following there is an introduction to DWI with emphasis on denoising, artifact correction and quality control based on chosen parameters. Lastly, in theoretical part of this thesis, there is an overview of state-of-the-art software tools for DW image processing and denoising. In experimental part of this thesis the DW data were measured on a group of volunteers, followed by image processing and analysis of effect of denoising on image quality.
|
|
|
Audio signal restoration using the Plug-and-Play method
Švento, Michal ; Rajmic, Pavel (referee) ; Mokrý, Ondřej (advisor)
The topic of this thesis is the reconstruction of a digital audio signal that is corrupted in two ways, sample dropout and added noise. The classical approach to solving these problems are convex optimization algorithms, which are based on the sparsity of the audio signal. In this thesis, we try a new Plug-and-Play method that embeds a deep network, the denoiser, into conventional algorithms and attempt to solve these two distinct problems using a single algorithm. At the end of the paper, the algorithms are implemented and tested with the most common metrics and these results are evaluated. Modern methods have shown us that they can be more variable in the choice of parameters and offer more balanced solutions.
|
|
|
Photo Noise Reduction Using Deep Neural Networks
Tichý, Jonáš ; Juránek, Roman (referee) ; Španěl, Michal (advisor)
Obrazový šum je fundamentálním problémem v digitální fotografii. Cílem této práce je studium redukce šumu ve fotografiích pomocí hlubokých neuronových sítí. Dvě vybrané metody založené na hlubokých neuronových sítích, DnCNN a BRDNet, byly implementovány a jejich výkon byl změřen v několika experimentech. Kromě toho byl navržen a proveden experiment na uživatelích s cílem vyhodnotit vnímanou kvalitu obrazu širokou veřejností. Experimenty ukázaly, že zatímco obě metody dosahují výborných výsledků v metrikách, jako je PSNR a SSIM, vnímaná vizuální kvalita ne vždy koreluje s numerickými metrikami. Výsledky prezentované v této práci zdůrazňují důležitost vhodných trénovacích dat a metrik kvality obrazu v odšumování digitálních fotografií.
|
guest ::
