×

吗啉

swMATH标识: 34650
软件作者: 蒙达尔,兰珍;普尔凯,普拉克;桑特拉,三岔岩;昌达,巴巴托什
说明: 图像去训练的形态学网络。数学形态学方法已成功地应用于过滤(强调或消除)图像的不同结构。然而,这些方法只有在滤波器的类型和阶数以及算子核的形状和大小设计得当的情况下才能适用于任务。因此,现有的过滤算子是针对问题(实例)的,由领域专家设计。在这项工作中,我们提出了一个形态网络,模拟经典形态滤波,由一系列腐蚀和膨胀算子和可训练的结构元素组成。我们评估了所提出的用于图像去雨任务的网络,在该网络中,预测和地面真实干净图像对应的SSIM和平均绝对误差(MAE)损失通过网络反向传播以训练结构元素。我们观察到单个形态网络可以对任意形状的雨滴图像进行去雨处理,并且只需一小部分可训练参数(网络大小),就可以获得与当前CNNs相似的性能。所提出的形态网络(MorphoN)不是专门为去雨而设计的,可以很容易地应用于类似的滤波/噪声净化任务。源代码可以在这里找到https://github.com/ranjanZ/2D-mophical-Network。
主页: https://arxiv.org/abs/1901.02411
源代码: https://github.com/ranjanZ/2D-mophical-Network
依赖项: 蟒蛇
关键词: 数学形态学;优化;形态网络;图像过滤
相关软件: 掌中宽带;github;FFD网络;脱氮;AOD网;DnCNN公司;Flickr30K;解网;更快的R-CNN;深海实验室
引用于: 2个出版物

按年份列出的引文