Алгоритмы компьютерного зрения находят широкое применение при решении ряда прикладных задач. Корректность работы таких алгоритмов зависит от поступающих им на вход фото- и видеоданных, подверженных влиянию шумов, поэтому подавление шумов - важный этап низкоуровневой обработки цифровых изображений. В работе исследована винеровская фильтрация нормального белого шума в области дискретного вейвлет-преобразования с применением нейронных сетей. Приведены описания архитектуры сетей, а также разработанного алгоритма их применения для фильтрации в области дискретного вейвлет-преобразования. Предложенный алгоритм протестирован на наборе данных BSDS500 при различных уровнях шума. Качество фильтрации оценено по вычисленным значениям отношения сигнал / шум (SNR) и индекса структурного сходства (SSIM). Результаты обработки тестовых изображений свидетельствуют о том, что разработанный алгоритм превосходит по качеству шумоподавления винеровскую фильтрацию в области дискретного вейвлет-преобразования без использования нейронных сетей и большинство других рассмотренных фильтров.

Computer vision algorithms are widely used in solving a number of applied problems. Correctness of these algorithms depends on input photo and video data sensitive to noise impact. For this reason noise suppression is an important step in low-level digital image processing. In this work Wiener filtering of normal white noise using neural networks in the domain of discrete wavelet transform is investigated. A description of the networks architecture and a developed algorithm of their application for filtering in the domain of discrete wavelet transform are given. The proposed algorithm was tested on a dataset BSDS500 noised with various noise levels. Quality of filtering has been evaluated by calculated values of signal-to-noise ratio (SNR) and structural similarity index (SSIM). Results of test images processing indicate that the quality of noise suppression of the developed algorithm outperforms Wiener filtering in the discrete wavelet transform domain without using neural networks and most of other considered algorithms.

Известия высших учебных заведений. Электроника = Proceedings of universities. Electronics: научно-технический журнал. — Москва: МИЭТ, 2022 -. — Электрон. журнал. — Периодичность: 6 раз в год. — Размещен на платформе "eLIBRARY.RU", ООО НЭБ: https://elibrary.ru/. — Доступ по паролю из сети Интернет (чтение). — <URL:https://www.elibrary.ru/title_about_new.asp?id=7821>.

Известия высших учебных заведений. Электроника = Proceedings of universities. Electronics: научно-технический журнал. — Москва: МИЭТ, 2022 -. Т. 27, № 6, 2022. — (11 ст.). — Доступ по паролю из сети Интернет (чтение). — <URL:https://elibrary.ru/contents.asp?id=49993421>.