Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores

Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace...

Descripción completa

Detalles Bibliográficos
Autor principal: González, Mario
Formato: documento de conferencia
Lenguaje:Español
Publicado: 2018
Materias:
Acceso en línea:http://bdigital.uncu.edu.ar/13183
_version_ 1782342887603699712
author González, Mario
author2 González, Mario
author_facet González, Mario
González, Mario
author_sort González, Mario
collection Repositorio
description Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte
format documento de conferencia
id uncu-13183
institution Biblioteca Digital - UNCUYO
language Español
publishDate 2018
record_format ojs
spelling uncu-131832019-09-13T11:41:27Z Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores González, Mario Matemática Comprensión Imágenes Denoising Wavelets Redes neuronales Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte Fil: González, Mario. Universidad de La República (Uruguay). González, Mario Musé, Pablo 2018-10-01 spa Español info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/2.5/ar/ documento de conferencia info:eu-repo/semantics/conferenceObject info:ar-repo/semantics/documento de conferencia info:eu-repo/semantics/acceptedVersion application/pdf http://bdigital.uncu.edu.ar/13183
spellingShingle Matemática
Comprensión
Imágenes
Denoising
Wavelets
Redes neuronales
González, Mario
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title_full Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title_fullStr Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title_full_unstemmed Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title_short Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
title_sort denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
topic Matemática
Comprensión
Imágenes
Denoising
Wavelets
Redes neuronales
url http://bdigital.uncu.edu.ar/13183