Details

Объект исследования – оптические изображения. Цель работы – анализ существующих методов глубокого обучения для фильтрации аддитивного шума на оптических изображениях. В результате исследования был проведен анализ методов глубокого обучения для одноканальных и трехканальных изображений далее рассматривались два набора данных. Исследование проводилось с помощью двух метрик оценки качества оптических изображений. На основе полученных данных было выполнено сравнение наиболее перспективных алгоритмов. Результатом работы стал выбор оптимальных алгоритмов глубокого обучения, адаптированных под различные типы оптических изображений и уровни аддитивного шума. Это позволяет повысить качество последующей обработки и анализа изображений, что важно для медицинской диагностики, промышленных систем контроля и других прикладных областей. Использовались открытые образовательные ресурсы и программы поиска и анализа информации. Применено программное обеспечение Python для визуализации результатов работы алгоритмов.

The object of research is optical images. The aim of the work is to analyze existing deep learning methods for filtering additive noise in optical images. As a result of the study, an analysis of deep learning methods for single-channel and three-channel images was carried out, then two data sets were considered. The study was conducted using two metrics for evaluating the quality of optical images. Based on the data obtained, a comparison of the most promising algorithms was made. The result of the work was the selection of optimal deep learning algorithms adapted to various types of optical images and levels of additive noise. This improves the quality of subsequent image processing and analysis, which is important for medical diagnostics, industrial control systems, and other applications. Open educational resources and information search and analysis programs were used. Python software is used to visualize the results of the work.