論文の概要: Improvement of Color Image Analysis Using a New Hybrid Face Recognition
Algorithm based on Discrete Wavelets and Chebyshev Polynomials
- arxiv url: http://arxiv.org/abs/2303.13158v1
- Date: Thu, 23 Mar 2023 10:20:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 14:57:28.920391
- Title: Improvement of Color Image Analysis Using a New Hybrid Face Recognition
Algorithm based on Discrete Wavelets and Chebyshev Polynomials
- Title（参考訳）: 離散ウェーブレットとチェビシェフ多項式を用いた新しいハイブリッド顔認識アルゴリズムによるカラー画像解析の改善
- Authors: Hassan Mohamed Muhi-Aldeen, Maha Ammar Mustafa, Asma A. Abdulrahman,
Jabbar Abed Eleiwy, Fouad S. Tahir and Yurii Khlaponin
- Abstract要約: この研究は、第2種と第3種のチェビシェフ進化から作られた、または派生した離散ウェーブレットの使用に特有である。
カラー画像の解析には、フィルタ離散第3チェビシェフウェーブレット変換(FDTCWT)を用いる。
最良の結果は正確さと最小限の時間で達成された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work is unique in the use of discrete wavelets that were built from or
derived from Chebyshev polynomials of the second and third kind, filter the
Discrete Second Chebyshev Wavelets Transform (DSCWT), and derive two effective
filters. The Filter Discrete Third Chebyshev Wavelets Transform (FDTCWT) is
used in the process of analyzing color images and removing noise and impurities
that accompany the image, as well as because of the large amount of data that
makes up the image as it is taken. These data are massive, making it difficult
to deal with each other during transmission. However to address this issue, the
image compression technique is used, with the image not losing information due
to the readings that were obtained, and the results were satisfactory. Mean
Square Error (MSE), Peak Signal Noise Ratio (PSNR), Bit Per Pixel (BPP), and
Compression Ratio (CR) Coronavirus is the initial treatment, while the
processing stage is done with network training for Convolutional Neural
Networks (CNN) with Discrete Second Chebeshev Wavelets Convolutional Neural
Network (DSCWCNN) and Discrete Third Chebeshev Wavelets Convolutional Neural
Network (DTCWCNN) to create an efficient algorithm for face recognition, and
the best results were achieved in accuracy and in the least amount of time. Two
samples of color images that were made or implemented were used. The proposed
theory was obtained with fast and good results; the results are evident shown
in the tables below.
- Abstract（参考訳）: この研究は、第2および第3種類のチェビシェフ多項式から構築または派生した離散ウェーブレットを使用し、離散第2チェビシェフウェーブレット変換 (dscwt) をフィルタし、2つの効果的なフィルタを導出する。
フィルタ離散第3のチェビシェフウェーブレット変換(fdtcwt)は、カラー画像の解析や、画像に付随するノイズや不純物を除去するプロセスや、撮像される画像を構成する大量のデータのために使用される。
これらのデータは巨大であり、送信中はお互いを扱うのが難しくなる。
しかし、この問題に対処するため、画像圧縮技術が用いられ、得られた読影情報によって画像が失われることはなく、良好な結果が得られた。
Mean Square Error (MSE), Peak Signal Noise Ratio (PSNR), Bit Per Pixel (BPP), and Compression Ratio (CR) Coronavirus is the initial treatment, while the processing stage is done with network training for Convolutional Neural Networks (CNN) with Discrete Second Chebeshev Wavelets Convolutional Neural Network (DSCWCNN) and Discrete Third Chebeshev Wavelets Convolutional Neural Network (DTCWCNN) to create an efficient algorithm for face recognition, and the best results were achieved in accuracy and in the least amount of time.
制作・実装されたカラー画像のサンプルを2枚使用した。
提案した理論は, 高速かつ良好な結果を得たものであり, 以下の表に示す結果が得られた。
関連論文リスト
- Multispectral Texture Synthesis using RGB Convolutional Neural Networks [2.3213238782019316]
最先端のRGBテクスチャ合成アルゴリズムは、深い特徴の統計によって計算されるスタイル距離に依存している。
本稿では,これらの手法をマルチスペクトルイメージングに拡張する2つの方法を提案する。
論文 参考訳（メタデータ） (2024-10-21T13:49:54Z) - Enhanced Wavelet Scattering Network for image inpainting detection [0.0]
本稿では,低レベル雑音解析に基づく塗装前駆体検出のための革新的なアイデアをいくつか提案する。
これはDual-Tree Complex Wavelet Transform (DT-CWT)と畳み込みニューラルネットワーク(CNN)を組み合わせて、偽エリア検出とローカライゼーションを実現している。
提案手法は最先端手法に対してベンチマークを行い,提案手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-09-25T15:27:05Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳（メタデータ） (2024-07-18T11:51:01Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - Deep Convolutional Framelet Denoising for Panoramic by Mixed Wavelet Integration [0.0]
この領域で最も重要な課題の1つは、常に画像ノイズを下げることである。
本稿では,この波形とD4ウェーブレットを高エネルギー濃度で結合し,U-Netニューラルネットワークアーキテクチャを用いることを提案する。
他のデータセットによる研究によると、ワンウェーブネットワークの有効性は0.5%から1.2%に増加した。
論文 参考訳（メタデータ） (2023-01-25T11:00:32Z) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳（メタデータ） (2022-09-26T03:28:23Z) - Unsupervised Denoising of Optical Coherence Tomography Images with
Dual_Merged CycleWGAN [3.3909577600092122]
そこで我々は,網膜CT画像復調のためのDual-Merged Cycle-WGANと呼ばれる新しいサイクル一貫性生成適応ネットを提案する。
本モデルでは,2つのCycle-GANネットワークとデクリミネータとワッセルシュタイン損失を併用して,優れたトレーニング安定性と性能を実現する。
論文 参考訳（メタデータ） (2022-05-02T07:38:19Z) - Influence of image noise on crack detection performance of deep
convolutional neural networks [0.0]
深層畳み込みニューラルネットワークを用いた画像データからのひび割れの分類について多くの研究がなされている。
本稿では,画像ノイズがネットワークの精度に与える影響について検討する。
AlexNetは提案したインデックスに基づいて最も効率的なモデルに選ばれた。
論文 参考訳（メタデータ） (2021-11-03T09:08:54Z) - Progressive Training of Multi-level Wavelet Residual Networks for Image
Denoising [80.10533234415237]
本稿では,マルチレベルウェーブレット残差ネットワーク(MWRN)アーキテクチャと,画像復調性能向上のためのプログレッシブトレーニング手法を提案する。
人工ノイズ画像と実世界のノイズ画像の両方で実験したところ、PT-MWRNは最先端のノイズ評価法に対して良好に機能することがわかった。
論文 参考訳（メタデータ） (2020-10-23T14:14:00Z) - Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。
解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
論文 参考訳（メタデータ） (2020-10-21T20:04:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。