【文件属性】：
文件名称：matlab椒盐去噪代码-Image-Recovery-Using-Conditional-Adversarial-Networks:分析条件
文件大小：2.63MB
文件格式：ZIP
更新时间：2021-05-24 13:22:08
系统开源
matlab椒盐去噪代码使用有条件的专业网络进行图像恢复
分析条件对抗网络以解决图像恢复问题，例如阴影恢复，降噪和去模糊。
该文件的存储库：
要求：
的Python
3
火炬
的MATLAB
数据集
使用ISTD数据集。
链接到
图像恢复目标
对从ISTD数据集创建的以下增强图像集测试了恢复。
只有影子
阴影+盐和胡椒粉噪音
阴影+斑点噪声
阴影+高斯噪声
阴影+所有噪音
Undertow+蓝色
阴影+椒盐噪声+模糊
阴影+斑点噪声+模糊
阴影+高斯噪波+模糊
阴影+所有杂讯+模糊
创建数据集
运行generate.m以生成额外的增强图像，以帮助网络训练还原因一种以上类型的工件而退化的图像。
python
dataset_create.py来调整输入图像和GT图像的大小，以使其具有正确的格式以馈入网络。
添加任何更多受伪影影响的图像将是富有成果的，并且将改善网络的性能。
制作一个数据集文件夹，并将从dataset_create.py生成的增强图像存储在其中。
条件对抗网络
对于这项工作，我们已经使用为图像到图像翻译任务建议的pix2pix网络。
Pix2pix：|
|
运行代码：
训练
【文件预览】：
Image-Recovery-Using-Conditional-Adversarial-Networks-master
----generate.m(9KB)
----images()
--------readme(1B)
--------speckle()
--------sp()
--------shadow()
----options()
--------train_options.py(3KB)
--------test_options.py(1KB)
--------__init__.py(136B)
--------base_options.py(8KB)
----models()
--------colorization_model.py(3KB)
--------pix2pix_model.py(6KB)
--------__init__.py(3KB)
--------template_model.py(6KB)
--------cycle_gan_model.py(10KB)
--------networks.py(28KB)
--------base_model.py(10KB)
--------test_model.py(3KB)
----_config.yml(26B)
----util()
--------image_pool.py(2KB)
--------visualizer.py(10KB)
--------__init__.py(83B)
--------html.py(3KB)
--------get_data.py(4KB)
--------util.py(3KB)
----scripts()
--------eval_cityscapes()
--------test_single.sh(164B)
--------download_pix2pix_model.sh(339B)
--------train_cyclegan.sh(118B)
--------test_before_push.py(3KB)
--------download_cyclegan_model.sh(577B)
--------test_colorization.sh(100B)
--------test_cyclegan.sh(115B)
--------edges()
--------test_pix2pix.sh(161B)
--------train_pix2pix.sh(192B)
--------train_colorization.sh(101B)
--------install_deps.sh(48B)
--------conda_deps.sh(223B)
----README.md(4KB)
----test.py(2KB)
----dataset_create.py(1KB)
----data.py(659B)
----train.py(2KB)