ivdon3@bk.ru
В данной работе рассматривается проблема удаления шумов из изображения на основе алгоритма дискретно-косинусного преобразования (ДКП). Несмотря на свою простоту, алгоритм до сих пор пользуется популярностью в преобразовании изображений. Тем не менее с недавних пор идет сильное развитие сверточных нейронных сетей, оставляя позади «традиционные» методы обработки сигналов. В данной работе исследуется шумоподавление изображений при помощи ДКП и сверточных нейронных сетей и создание интерпретируемой сверточной нейронной сети для получения точных данных. За основу был взят язык программирования Python и библиотека для работы с нейронными сетями – PyTorch. Исходя из этого, модель нейронной сети была обучена на наборе данных «The Berkeley Segmentation Dataset». Эксперименты показали, что обученная нейронная сеть показывает результаты, сопоставимые с традиционными алгоритмами шумоподавления изображений.
Ключевые слова: шумоподавление, сверточная нейронная сеть, дискретно-косинусное преобразование, машинное обучение, обработка сигналов, оператор Кэнни