論文の概要: ResWCAE: Biometric Pattern Image Denoising Using Residual Wavelet-Conditioned Autoencoder
- arxiv url: http://arxiv.org/abs/2307.12255v2
- Date: Sun, 14 Sep 2025 12:08:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.566998
- Title: ResWCAE: Biometric Pattern Image Denoising Using Residual Wavelet-Conditioned Autoencoder
- Title（参考訳）: ResWCAE:Residual Wavelet-Conditioned Autoencoderを用いた生体パターン画像デノーミング
- Authors: Youzhi Liang, Wen Liang,
- Abstract要約: パターン画像による生体認証は、IoT(Internet of Things)デバイスでますます普及している。
このようなシステムの信頼性は、特に高レベルのノイズの存在下で、画像品質の問題によって損なわれる可能性がある。
本稿では、軽量で堅牢なディープラーニングアーキテクチャ、Residual Wavelet-Conditioned Convolutional Autoencoder(Res-WCAE)を提案する。
- 参考スコア（独自算出の注目度）: 0.5656672152438563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The utilization of biometric authentication with pattern images is increasingly popular in compact Internet of Things (IoT) devices. However, the reliability of such systems can be compromised by image quality issues, particularly in the presence of high levels of noise. While state-of-the-art deep learning algorithms designed for generic image denoising have shown promise, their large number of parameters and lack of optimization for unique biometric pattern retrieval make them unsuitable for these devices and scenarios. In response to these challenges, this paper proposes a lightweight and robust deep learning architecture, the Residual Wavelet-Conditioned Convolutional Autoencoder (Res-WCAE) with a Kullback-Leibler divergence (KLD) regularization, designed specifically for fingerprint image denoising. Res-WCAE comprises two encoders - an image encoder and a wavelet encoder - and one decoder. Residual connections between the image encoder and decoder are leveraged to preserve fine-grained spatial features, where the bottleneck layer conditioned on the compressed representation of features obtained from the wavelet encoder using approximation and detail subimages in the wavelet-transform domain. The effectiveness of Res-WCAE is evaluated against several state-of-the-art denoising methods, and the experimental results demonstrate that Res-WCAE outperforms these methods, particularly for heavily degraded fingerprint images in the presence of high levels of noise. Overall, Res-WCAE shows promise as a solution to the challenges faced by biometric authentication systems in compact IoT devices.
- Abstract（参考訳）: パターン画像による生体認証の利用は、IoT(Internet of Things)デバイスでますます普及している。
しかし、このようなシステムの信頼性は、特に高レベルのノイズの存在下で、画像品質の問題によって損なわれる可能性がある。
汎用的な画像認識のために設計された最先端のディープラーニングアルゴリズムは、将来性を示しているが、その多数のパラメータとユニークな生体パターン検索の最適化が欠如しているため、これらのデバイスやシナリオには適さない。
これらの課題に対応するために,本論文では,指紋の識別に特化して設計されたKLD(Kulback-Leibler divergence)正規化を備えたResidual Wavelet-Conditioned Convolutional Autoencoder(Res-WCAE)という軽量で堅牢なディープラーニングアーキテクチャを提案する。
Res-WCAEは2つのエンコーダ(画像エンコーダとウェーブレットエンコーダ)と1つのデコーダで構成される。
画像エンコーダとデコーダの残差接続を利用して、ウェーブレット変換領域における近似と詳細部分像を用いて、ウェーブレットエンコーダから得られた特徴の圧縮表現に条件付けられたボトルネック層を、微細な空間的特徴を保存する。
Res-WCAEの有効性は、いくつかの最先端の復調法に対して評価され、実験結果により、Res-WCAEは、高レベルのノイズの存在下で、特に重劣化した指紋画像において、これらの手法よりも優れていることが示された。
全体として、Res-WCAEは、コンパクトIoTデバイスの生体認証システムで直面する課題に対する解決策として、Promiseを示している。
関連論文リスト
- Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。
画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。
高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
論文 参考訳（メタデータ） (2025-06-19T13:28:09Z) - Efficient and Robust Remote Sensing Image Denoising Using Randomized Approximation of Geodesics' Gramian on the Manifold Underlying the Patch Space [2.56711111236449]
トレーニングサンプルの追加を必要としない頑健なリモートセンシング画像復調手法を提案する。
この手法は、各色チャネルに独自の強調を課し、3つの分極チャネルをマージして最終画像を生成する。
論文 参考訳（メタデータ） (2025-04-15T02:46:05Z) - Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions [8.015939257511018]
本稿では,ノイズ層とデコーダとの間にデノイズモジュールを導入する。
このモジュールは、ノイズを低減し、歪みによって失われた情報のいくつかを回復することを目的としている。
実験結果から,提案手法は既存モデルに匹敵し,ノイズ強度の異なる最先端技術よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-05-08T16:06:57Z) - Transfer CLIP for Generalizable Image Denoising [11.144858989063522]
ノイズ画像を含む高密度特徴を含む非対称エンコーダデコーダデノイズネットワークを考案する。
合成ノイズ,実世界のsRGBノイズ,低線量CT画像ノイズを含む多様なOODノイズに対する実験と比較を行った結果,本手法の優れた一般化能力が示された。
論文 参考訳（メタデータ） (2024-03-22T11:33:04Z) - Arbitrary-Scale Image Generation and Upsampling using Latent Diffusion Model and Implicit Neural Decoder [29.924160271522354]
超解像度(SR)と画像生成はコンピュータビジョンにおいて重要なタスクであり、現実世界のアプリケーションで広く採用されている。
しかし、既存のほとんどの手法は、固定スケールの倍率でのみ画像を生成し、過度なスムーシングやアーティファクトに悩まされている。
最も関連する研究は、インプリシット神経表現(INR)をデノナイズ拡散モデルに適用し、連続分解能で多種多様で高品質なSR結果を得た。
任意のスケールで入力画像の超解像やランダムノイズから生成できる新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-03-15T12:45:40Z) - 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) - Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。
本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。
我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
論文 参考訳（メタデータ） (2022-02-09T18:48:02Z) - Designing a Practical Degradation Model for Deep Blind Image
Super-Resolution [134.9023380383406]
単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。
本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
論文 参考訳（メタデータ） (2021-03-25T17:40:53Z) - Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。
画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。
我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文 参考訳（メタデータ） (2021-03-25T07:10:46Z) - Convolutional Autoencoder for Blind Hyperspectral Image Unmixing [0.0]
スペクトルアンミックス(英: spectrum unmixing)は、混合ピクセルを2つの基本的代表、すなわちエンドメンバーとアブリダンスに分解する技法である。
本稿では,ハイパースペクトル画像にブラインドアンミックスを行う新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-11-18T17:41:31Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z) - Blur, Noise, and Compression Robust Generative Adversarial Networks [85.68632778835253]
劣化画像から直接クリーンな画像生成装置を学習するために, ぼかし, ノイズ, 圧縮堅牢なGAN(BNCR-GAN)を提案する。
NR-GANにインスパイアされたBNCR-GANは、画像、ぼやけたカーネル、ノイズ、品質要素ジェネレータで構成される多重ジェネレータモデルを使用する。
CIFAR-10の大規模比較とFFHQの一般性解析によるBNCR-GANの有効性を実証する。
論文 参考訳（メタデータ） (2020-03-17T17:56:22Z) - Generalized Octave Convolutions for Learned Multi-Frequency Image
Compression [20.504561050200365]
本稿では,初めて学習されたマルチ周波数画像圧縮とエントロピー符号化手法を提案する。
これは最近開発されたオクターブの畳み込みに基づいて、潜水剤を高周波(高分解能)成分に分解する。
提案した一般化オクターブ畳み込みは、他のオートエンコーダベースのコンピュータビジョンタスクの性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2020-02-24T01:35:29Z)
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。