|
|
Deep learning-based noise reduction in X-ray images
Říhová, Barbora ; Jakubíček, Roman (oponent) ; Zemek, Marek (vedoucí práce)
X-ray imaging technology is the foundation for exploring the internal structure of a wide range of objects, however the results can be compromised by noise. This thesis is focused on the removal of noise in X-ray projections using deep learning, that has the capability to adapt to a specific task. The thesis contains a theoretical investigation focusing on the areas of X-ray production and detection, noise in X-ray images, and neural networks. A special chapter is devoted to the description of the chosen solution, which is performed by creating a dataset partially consisting of modeled X-ray projections with the subsequent incorporation of noise corresponding to noise model in real images and partly from X-ray projection series. The RIDNet convolutional neural network architecture was selected for implementation, since it shows good result for denoising task. Three models were trained using different parts of the dataset. The best performance was observed for models, that used real data for training. Their performance is comparable to traditional methods such as BM3D.
|
|
|
Zabezpečení senzorů - ověření pravosti obrazu
Juráček, Ivo ; Španěl, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce pojednává o zabezpečování obrazových senzorů. Cílem bylo nastudovat ověření pravosti dat, které takové senzory produkují. Na základě nastudovaných informací bylo navrženo řešení pro identifikaci digitálních kamer, a to pomocí šumových vlastností v obrazových senzorech, kterým jsou zatíženy. Byl zkoumán vliv různých algoritmů pro extrakci šumu z digitálního obrazu a bylo provedeno statistické vyhodnocení nad 15 obrazovými senzory, mající různé vlastnosti. Na základě vyhodnocených výsledků byly vyvozeny závěry.
|
|
|
Photo Noise Reduction Using Deep Neural Networks
Tichý, Jonáš ; Juránek, Roman (oponent) ; Španěl, Michal (vedoucí práce)
Image noise is a fundamental problem in digital photography. The goal of this thesis is to study the use of deep neural networks in denoising of digital photographs. Two different denoising methods based on deep neural networks, DnCNN and BRDNet, were implemented and their performance was measured in several experiments. Additionally, a user testing experiment was designed and carried out to evaluate the perceived image quality of the studied methods by the general public. The experiments have shown that while both methods achieve state-of-the-art denoising results in metrics such as PSNR and SSIM, the perceived visual quality does not always correlate with the numerical metrics. The results presented in this thesis highlight the importance of proper training datasets and image quality metrics in digital photography denoising.
|
|
|
Photo Noise Reduction Using Deep Neural Networks
Tichý, Jonáš ; Juránek, Roman (oponent) ; Španěl, Michal (vedoucí práce)
Image noise is a fundamental problem in digital photography. The goal of this thesis is to study the use of deep neural networks in denoising of digital photographs. Two different denoising methods based on deep neural networks, DnCNN and BRDNet, were implemented and their performance was measured in several experiments. Additionally, a user testing experiment was designed and carried out to evaluate the perceived image quality of the studied methods by the general public. The experiments have shown that while both methods achieve state-of-the-art denoising results in metrics such as PSNR and SSIM, the perceived visual quality does not always correlate with the numerical metrics. The results presented in this thesis highlight the importance of proper training datasets and image quality metrics in digital photography denoising.
|
|
|
Zabezpečení senzorů - ověření pravosti obrazu
Juráček, Ivo ; Španěl, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce pojednává o zabezpečování obrazových senzorů. Cílem bylo nastudovat ověření pravosti dat, které takové senzory produkují. Na základě nastudovaných informací bylo navrženo řešení pro identifikaci digitálních kamer, a to pomocí šumových vlastností v obrazových senzorech, kterým jsou zatíženy. Byl zkoumán vliv různých algoritmů pro extrakci šumu z digitálního obrazu a bylo provedeno statistické vyhodnocení nad 15 obrazovými senzory, mající různé vlastnosti. Na základě vyhodnocených výsledků byly vyvozeny závěry.
|
host ::
RSS.