|
|
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.