Dual learning based compression noise reduction in the texture domain

کاهش نویز فشرده شبیه به مشکل فوق العاده با وضوح از نظر بازگرداندن اطلاعات فرکانس بالا از دست رفته است. از آنجاییکه رویکردهای مبتنی بر یادگیری در گذشته از لحاظ برخورد با مشکل فوقالعادهای موفق بودهاند، ما بر روی تکنیک مبتنی بر یادگیری برای فشرده کردن تصویر متمرکزیم. در این فرایند، مهم است قبل از شروع دقیق تر در یک مجموعه آموزشی، جستجو کنید. روش پیشنهادی از دو پایگاه داده متفاوت (به عنوان مثال یک پایگاه داده پر سر و صدا و یک پایگاه داده) استفاده می کند که با یکدیگر همکاری می کنند. تصاویر خرد شده از پایگاه های داده دوگانه به یک نهایی متصل می شوند. علاوه بر این، تصویر پر سر و صدا ورودی به اجزای ساختار و بافت تجزیه می شود، و تنها دومی از بین می رود، زیرا اکثر نویز در داخل جزء بافت وجود دارد. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند سر و صدای فشرده سازی را در هنگام بازسازی اطلاعات اصلی که در فرایند فشرده سازی از دست داده است، خصوصا برای مناطق بافت، کاهش دهد.