Derin Öğrenme ile Görüntülerde Gürültü Azaltma Üzerine Kapsamlı Bir İnceleme

OpenAlex Türkçe

Günlük hayatımızda ve bilimsel araştırmalarda gerçeğe yakın ve gürültüsüz görüntülere olan ihtiyaç artmaktadır. Ancak görüntüler, gürültü ile bozulmakta ve bu da görsel görüntü kalitesinin düşmesine neden olmaktadır. Bu nedenle, görüntü özelliklerini kaybetmeden gürültüyü azaltmak için çalışmalar yapılmaktadır. Şimdiye kadar, gürültüyü azaltmak için çeşitli yöntemler önerilmiş olup, her yöntemin farklı avantajları bulunmaktadır. Bu makalede, alanında en iyi sonucu elde eden yöntemler hakkında bilgi verilerek, video ve sabit görüntülerinde gürültü azaltma alanında yapılan geleneksel gürültü giderme yöntemleri ve derin öğrenme yöntemlerine ait çalışmalar özetlenip, elde edilen sonuçlar birbirleriyle karşılaştırılmaktadır. Yapılan araştırmalar deneylerin toplamsal beyaz Gauss gürültüsü durumuna odaklandığını göstermektedir. Görüntülerde gürültü giderme aşamasında zaman içerisinde geleneksel gürültü giderme yöntemleri, makine öğrenmesi yöntemleri, derin öğrenme yöntemleri ve diğer matematiksel yöntemler kullanılmış olup, derin öğrenme yöntemleri daha başarılı sonuçlar elde etmektedir. Ancak elde edilen verilere göre orijinal görüntü çiftlerine sahip olmadan modelin eğitilmesi konusunda çalışmaların yetersiz olduğu ve değişik gürültü seviyelerinde tek bir yöntemin başarılı olamadığı görülmüştür. İleride yapılacak çalışmalarda gerçek hayattaki görüntülerde var olan gürültülerin nasıl giderileceği konusuna daha detaylı odaklanılması gerektiği görülmektedir.