Εφαρμογές φίλτρων ψηφιακών εικόνων με χρήση τεχνικών βαθιάς μάθησης

Digital filters for image processing using deep learning techniques (english)

  1. Bachelor’s thesis
  2. Τριανταφυλλίδης, Τρύφων
  3. Πληροφορική (ΠΛΗ)
  4. 20 July 2019 [2019-07-20]
  5. Ελληνικά
  6. 105
  7. Αναγνωστόπουλος, Χρήστος Νικόλαος
  8. Λύκας, Αρειστίδης | Σγάρμας, Κυριάκος
  9. επεξεργασία εικόνας | ψηφιακά φίλτρα | νευρωνικά δίκτυα
  10. 1
  11. 17
  12. Περιέχει 9 σχήματα και 13 πίνακες.
    • Στην επεξεργασία της ψηφιακής εικόνας εφαρμόζονται φίλτρα για να μειώσουν τον θόρυβο, να αυξήσουν την οξύτητα, να ανιχνεύσουν ακμές, να τροποποιήσουν γενικά την εικόνα ανάλογα με τον επιδιωκόμενο στόχο. Αυτή η πτυχιακή εργασία ερευνά την αντικατάσταση αυτών των απλών φίλτρων πυρήνα από σύνθετα συνελικτικά νευρωνικά δίκτυα με σκοπό το καλύτερο αποτέλεσμα χωρίς τις παρενέργειες που συνοδεύουν την εφαρμογή των φίλτρων πυρήνα. Ερευνάται επίσης η υλοποίηση ενός φίλτρου για τον τεχνητό χρωματισμό ασπρόμαυρων εικόνων προσώπου και με ευκαιρία της ανάπτυξής του σχεδιάζουμε και υλοποιούμε ένα δίκτυο GAN. Ειδικότερα τα φίλτρα που αναπτύσσονται σε αυτή την πτυχιακή εργασία είναι: Φίλτρο αποθορυβοποίησης εικόνας (denoising) Φίλτρο επαύξησης ευκρίνειας (super resolution) Φίλτρο τεχνητού χρωματισμού ασπρόμαυρης φωτογραφίας για ανθρώπινα πρόσωπα Τέλος συγκρίνουμε και αξιολογούμε την απόδοση των μεθόδων βαθιάς μάθησης σε σχέση με τα απλά φίλτρα αποθορυβοποίησης και αύξησης οξύτητας.
    • In image processing, digital filters are used for the purpose of altering digital images for a number of different tasks such as noise reduction, sharpening or edge detection. The aim of this thesis is to study the replacement of kernel filters with deep convolutional neural networks that are able to produce better results while surpassing the main problems that occur with the application of kernel filtering techniques. A second objective is to research the application of an pseudo coloring filter applied on face images which is designed and implemented as a Generative Adversarial Network (GAN). In particular, the following filters are developed: Denoising filter Super resolution filter Pseudo coloring filter, applied on black and white images depicting human faces Finally the performance of Deep Learning filters are evaluated and compared against kernel denoising and sharpening methods.
  14. Hellenic Open University
  15. Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα