Knowledge base: Warsaw University of Technology

Settings and your account

Back

Denoising of multimodal images using deep learning

Aleksandra Dzieniszewska

Abstract

This thesis concerns an analysis of unimodal and multimodal image denoising. Firstly, a survey of existing state of the art denoising methods was carried out. Traditional and learning based methods was considered. Implementation of the algorithm is using deep learning. In conjunction with convolutional neural network residual learning and batch normalisation was applied to enhance denoising results. Network was adapted to multimodal images by changing shape of first and last layer. It is not required to modify hidden layers. In addition to this training for noise distribution different than normal was carried out.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Aleksandra Dzieniszewska (FEIT/MO) Aleksandra Dzieniszewska,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Title in Polish
Filtracja obrazów wielomodalnych z wykorzystaniem sieci głębokiego uczenia
Supervisor
Piotr Garbat (FEIT/MO) Piotr Garbat,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Microelectronics and Optoelectronics (FEIT/MO)
Study subject / specialization
, Elektronika (Elektronics)
Language
(pl) Polish
Status
Finished
Defense Date
14-02-2019
Issue date (year)
2019
Reviewers
Piotr Firek (FEIT/MO) Piotr Firek,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT) Piotr Garbat (FEIT/MO) Piotr Garbat,, The Institute of Microelectronics and Optoelectronics (FEIT/MO)Faculty of Electronics and Information Technology (FEIT)
Keywords in Polish
filtracja obrazu, sieci głębokiego uczenia, sieci splotowe, obrazy wielomodalne
Keywords in English
image denoising, deep learning, convolutional neural networks, multimodal images
Abstract in Polish
W niniejszej pracy dokonano analizy problemu filtracji obrazów jedno i wielomodalnych. W poszukiwaniu rozwiązania przeprowadzony został przegląd metod wykorzystywanych dotychczasowo w praktyce i reprezentujących obecny stan wiedzy w dziedzinie metod klasycznych oraz adaptacyjnych i opartych na uczeniu. Przygotowana została implementacja metody filtracji obrazów wielomodalnych wykorzystująca sieci głębokiego uczenia. W połączeniu z siecią splotową wykorzystane zostało uczenie szczątkowe oraz normalizacja zbioru w celu poprawy uzyskiwanych wyników. Sieć została przystosowana do przetwarzania obrazów wielomodalnych poprzez zmianę kształtu pierwszej i ostatniej warstwy. Nie wymaga to wprowadzania zmian do warstw ukrytych. Dodatkowo przeprowadzone zostało uczenie z szumem o kształcie odbiegającym od rozkładu normalnego.
File
  • File: 1
    AD_pdi.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 32123

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTd82d969c9b7f4ec7ae71938e4b1fe1bf/
URN
urn:pw-repo:WUTd82d969c9b7f4ec7ae71938e4b1fe1bf

Confirmation
Are you sure?
Report incorrect data on this page