|
|
Denoising of Images from Electron Microscope
Holub, Zbyněk ; Kolář, Radim (referee) ; Odstrčilík, Jan (advisor)
Tato Diplomová práce je zaměřena na odstranění šumu ze snímků získaných pomocí Transmisního elektronového mikroskopu. V práci jsou popsány principy digitalizace výsledných snímků a popis jednotlivých šumových složek, které vznikají při digitalizaci snímků. Tyto nechtěné složky ovlivňují kvalitu výsledného snímku. Proto byly vybrány filtrační metody založené na minimalizaci totální variace, jejichž principy jsou v této práci popsány. Jako referenční filtrační metoda byla vybrána filtrace pomocí Non-local means filtru. Tento filtr byl vybrán, jelikož v dnešní dobře patří mezi nejvíce využívané metody, které mají vysokou účinnost. Pro objektivní hodnocení kvality filtrací byly použity tyto hodnotící kritéria – SNR, PSNR a SSIM. V závěru této práce, jsou všechny získané výsledky zobrazeny a jsou diskutovány účinnosti jednotlivých filtrační metod.
|
|
|
X-ray image analysis to remove disturbing artifacts for security applications
Schiller, Vojtěch ; Mezina, Anzhelika (referee) ; Burget, Radim (advisor)
This work deals with the issue of the decomposition of a composite X-ray image, on which both key informational and noise components are present simultaneously. The goal is to remove the present disturbing artifacts as repeating phenomena in the background using deep learning techniques while emphasizing the precise preservation of the informational components contained in the image. To achieve this, the convolutional neural network U-Net and its improved versions, which dominate especially in image segmentation, were used. Competitive models achieving excellent results at image-denoising tasks were also trained and compared. This work proposes a novel method, which was compared with the most modern architectures on the same dataset, and which, in the results, objectively and subjectively significantly surpassed all of them.
|
|
|
Image Denoising Using Weighted Local Regression
Šťasta, Jakub ; Křivánek, Jaroslav (advisor) ; Elek, Oskár (referee)
The problem of accurately simulating light transport using Monte Carlo integration can be very difficult. In particular, scenes with complex illumination effects or complex materials can cause a scene to converge very slowly and demand a lot of computational time. To overcome this problem, image denoising algorithms have become popular in recent years. In this work we first review known approaches to denoising and adaptive rendering. We implement one of the promising algorithm by Moon et al. [2014] in a commercial rendering system Corona Standalone Renderer, evaluate its performance, strengths and weaknesses on 14 test scenes. These include difficult to denoise and converge rendering effects such as fine sub-pixel geometry, participating media, extreme depth of field of highlights, motion blur, and others. We propose corrections which make the algorithm more stable and robust. We show that it is possible to denoise renderings with Linear Weighted Regression only using a CPU. However, still even after our propositions, it is not possible to filter scenes in a consistent manner without over-blurring or not filtering where desired.
|
|
|
GPU Acceleration of Advanced Image Denoising
Honzátko, David ; Kruliš, Martin (advisor) ; Elek, Oskár (referee)
BM3D (Block-Matching and 3D Filtering) is one of the state-of-art image denoising methods. Efficient implementations of this method exist for the CPU; however, these implementations are time demanding. On common desktop computers, denoising of high-resolution images can reach several minutes. The main objective of this thesis is to design an implementation of the BM3D method that utilize raw computational power of the GPU. GPU offers significantly more computational cores than the CPU; however, due to the specific execution and memory model, algorithms for the GPU are very different from algorithms for the CPU. Therefore, this thesis presents both: the basic aspects of the GPU computing and the BM3D method itself. Last but not least, the final implementation is empirically evaluated against the existing implementations by a set of performance tests. Powered by TCPDF (www.tcpdf.org)
|
|
|
Denoising of Images from Electron Microscope
Holub, Zbyněk ; Kolář, Radim (referee) ; Odstrčilík, Jan (advisor)
Tato Diplomová práce je zaměřena na odstranění šumu ze snímků získaných pomocí Transmisního elektronového mikroskopu. V práci jsou popsány principy digitalizace výsledných snímků a popis jednotlivých šumových složek, které vznikají při digitalizaci snímků. Tyto nechtěné složky ovlivňují kvalitu výsledného snímku. Proto byly vybrány filtrační metody založené na minimalizaci totální variace, jejichž principy jsou v této práci popsány. Jako referenční filtrační metoda byla vybrána filtrace pomocí Non-local means filtru. Tento filtr byl vybrán, jelikož v dnešní dobře patří mezi nejvíce využívané metody, které mají vysokou účinnost. Pro objektivní hodnocení kvality filtrací byly použity tyto hodnotící kritéria – SNR, PSNR a SSIM. V závěru této práce, jsou všechny získané výsledky zobrazeny a jsou diskutovány účinnosti jednotlivých filtrační metod.
|
|
|
Weighted thin-plate spline image denoising
Kašpar, Roman ; Zitová, Barbara
This paper aims to present new denoising method based on thin-plate splines (TPS). The proposed approach is based on the general TPS denoising, however, its unfavorable smoothing of edges and details is suppressed by introduction of a weighting approach applied locally. The performance of the method is shown and compared to the original TPS denoising. The application of the method for denoising of infrared images of old paintings is presented.
|
guest ::
