Affiliation:
1. Instituto Politécnico Nacional
Abstract
El presente artículo se centra en la propuesta de una red neuronal de tipo Autoencoder para la supresión de diversos tipos de ruido presente en imágenes de color. Existen diversos tipos de algoritmos para la supresión de ruido en imágenes como lo son las Redes Neuronales Convolucionales (CNN) los cuales requieren tanto de una gran cantidad de datos para su entrenamiento como de mayor carga computacional, aunque el mayor problema que estos presentan es que comúnmente se centran en un solo tipo de ruido causando que en algunas ocasiones la imagen no sea procesada de manera adecuada y al finalizar su tratamiento contenga pixeles corruptos los cuales causen que haya pérdida de detalles importantes dentro de la imagen. Por este motivo, esta propuesta proporciona evidencia de que el uso de autoencoders para la supresión de diversos tipos de ruidos en imágenes es factible, a través de este artículo se mostrarán resultados subjetivos y objetivos que determinarán la factibilidad del uso de este tipo de redes neuronales.
Publisher
Cientifica, Revista Mexicana de Ingenieria Electromecanica y de Sistemas, IPN
Reference20 articles.
1. A. Limshuenchuey, R. Duangsoithong, M. Saejia, “Comparison of Image Denoising using Traditional Filter and Deep Learning Methods”, 17th International Conference on Electrical Engineering/Electronics, 2020.
2. V. Pnomaryov, A.J. Rosales-Silva, F. Gallegos-Funes, “Fuzzy directional filter to remove impulsive noise from colour images”, IEICE Trans. Fundamentals, pp. 570-572, 2010.
3. S. Schluter, A. Sheppard, Kendra Brown, Image processing of multi-phase images obtained via xray microtomography: a review, American Geophysical Union, 2014.
4. S. Kaur, “Noise types and various removal techniques”, International Journal of Advanced Research in Electronics and Communication Engineering, vol. 4, pp. 226-230, 2015.
5. R. C. Gonzalez, R. E. Woods, Digital Image Processing, 4a ed., Pearson, 2018.