研究目的
提出一种新的生成对抗网络用于纹理保持的图像去噪,旨在通过保留更多纹理细节和减少人工伪影来提升去噪性能。
研究成果
所提出的基于生成对抗网络(GAN)的方法在峰值信噪比(PSNR)和结构相似性(SSIM)指标上实现了卓越的去噪性能,能有效保留纹理细节,并较现有方法产生更优的视觉效果,证明了对抗训练与多尺度特征提取的有效性。
研究不足
该方法仅在带有高斯噪声的LSUN数据集上进行了测试;可能无法推广到其他噪声类型或数据集。计算需求(例如GPU内存)可能会成为实时应用的制约因素。
研究目的
提出一种新的生成对抗网络用于纹理保持的图像去噪,旨在通过保留更多纹理细节和减少人工伪影来提升去噪性能。
研究成果
所提出的基于生成对抗网络(GAN)的方法在峰值信噪比(PSNR)和结构相似性(SSIM)指标上实现了卓越的去噪性能,能有效保留纹理细节,并较现有方法产生更优的视觉效果,证明了对抗训练与多尺度特征提取的有效性。
研究不足
该方法仅在带有高斯噪声的LSUN数据集上进行了测试;可能无法推广到其他噪声类型或数据集。计算需求(例如GPU内存)可能会成为实时应用的制约因素。
加载中....
您正在对论文“[IEEE 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 中国西安(2018.11.7-2018.11.10)] 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 一种用于纹理保持图像去噪的新型生成对抗网络”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期