Core Concepts
深層学習と信号処理理論を統合し、ダベシーズウェーブレットを用いたフレームレット畳み込みネットワークにより、パノラマ画像の高精度な除雑音を実現する。
Abstract
本研究では、深層学習と信号処理理論を統合し、ダベシーズウェーブレットを用いたフレームレット畳み込みネットワークを提案している。
主な内容は以下の通り:
ハンケル行列の分解を利用し、局所的および非局所的特徴を抽出するフレームレット畳み込みを行う。
ダベシーズ2(Db2)ウェーブレットの疎な表現を活用し、フレームレットの除雑音性能を大幅に向上させる。
U-Netベースの深層畳み込みネットワークにウェーブレット変換を統合することで、エッジ情報の保持と高効率な雑音除去を実現する。
ハールウェーブレットとDb2ウェーブレットを組み合わせた「4422」構造が最も優れた性能を示す。初期の段階でDb2による詳細情報の抽出と、後段のハールによる平滑化が効果的に働くためと考えられる。
提案手法は、PSNR、SSIMの評価指標において従来手法を上回る性能を発揮し、特に標準的なデータセットでその優位性が確認された。
Stats
入力画像のPSNRは18.78dBであるのに対し、提案手法「4422」では29.90dBまで向上した。
入力画像のSSIMは0.29であったのに対し、提案手法「4422」では0.83まで改善された。
Quotes
"深層学習と信号処理理論を統合し、ダベシーズウェーブレットを用いたフレームレット畳み込みネットワークにより、パノラマ画像の高精度な除雑音を実現する。"
"ハールウェーブレットとDb2ウェーブレットを組み合わせた「4422」構造が最も優れた性能を示す。"