文件名称：Applying-Markov-Random-Fields-in-Image-De-noising
文件大小：2.66MB
文件格式：ZIP
更新时间：2024-04-14 19:20:55
JupyterNotebook
马尔可夫随机场在图像去噪中的应用 这是一个有关在Keras中应用Markov随机场（MRF）进行图像降噪的项目。 在Report.pdf中显示了在MRF中构建修改的迭代条件模式（ICM）和Gibbs采样的机制的详细信息。 数据 应用于降噪和降噪的原始数据集可以分为两部分： 二进制图像：在这种情况下，选择两个具有低分辨率的二进制图像：data / sample1.jpg，data / sample3.jpg来比较ICM和Gibbs采样以在MRF中进行降噪。 RGB图像：此外，选择了分辨率较低的RGB图像：data / sample6.jpg来比较ICM和Gibbs采样，以在MRF中对更复杂的数据结构情况进行降噪。 图像噪声： 在该项目中，图像受到胡椒噪声的干扰，其中选择了随机位置的像素以将其重置为随机有效值。 详细地，对于具有单通道的二进制图像，在唯一的层中添加了胡椒噪声。 而对于具有
【文件预览】：
Applying-Markov-Random-Fields-in-Image-De-noising-main
----test.py(516B)
----Report.pdf(1.09MB)
----code()
--------psnr.py(492B)
--------binary_denoised.py(5KB)
--------binary_noised.py(2KB)
--------colorful_denoised.py(5KB)
--------colorful_noised.py(1KB)
----requirement.txt(47B)
----data()
--------simple6.jpg(6KB)
--------simple1.jpg(23KB)
--------simple3.jpg(69KB)
----sample_code.ipynb(1.43MB)
----readme.md(3KB)
----sample_result()
--------3.png(268KB)
--------1.png(152KB)
--------2.png(96KB)