Bildentrauschung mit Wörterbuchlernmethode

Einführung

In diesem Lab werden wir lernen, wie man ein verzerrtes Bild mit Hilfe des Wörterbuchlernens entrauscht. Wir werden ein Beispiel verwenden, um den Effekt der Rekonstruktion von rauschenden Fragmenten eines Waschbären-Gesichtsbilds zu vergleichen, indem wir zunächst das Online-Wörterbuchlernen und verschiedene Transformationsmethoden anwenden.

Tipps für die VM

Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und den Jupyter Notebook-Access für die Übung zu erhalten.

Manchmal müssen Sie einige Sekunden warten, bis das Jupyter Notebook fertig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen im Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Verzerrtes Bild generieren

Der erste Schritt besteht darin, ein verzerrtes Bild zu generieren. Wir werden das Scipy-Dataset verwenden, um ein Waschbären-Gesichtsbild zu laden. Wir werden das Bild verkleinern, um die Geschwindigkeit zu erhöhen, und das rechte Bildhälfte verzerrt.

Zeige das verzerrte Bild an

Wir werden das verzerrte Bild anzeigen, um den Effekt der Verzerrung auf das Bild zu sehen.

Extrahiere Referenz-Patches

Wir werden alle Referenz-Patches aus der linken Hälfte des Bilds extrahieren. Wir werden die Funktion extract_patches_2d von Scikit-learn verwenden, um die Patches zu extrahieren. Wir werden die Daten normalisieren, indem wir den Mittelwert subtrahieren und durch die Standardabweichung dividieren.

Lerne das Wörterbuch aus Referenz-Patches

In diesem Schritt werden wir das Wörterbuch aus Referenz-Patches lernen. Wir werden die MiniBatchDictionaryLearning von Scikit-learn verwenden, um das Wörterbuch zu lernen. Wir werden das Wörterbuch auf den extrahierten Patches anpassen.

Extrahiere rauschende Patches und rekonstruiere sie mit dem Wörterbuch

In diesem Schritt werden wir rauschende Patches aus dem verzerrten Bild extrahieren und sie mit dem Wörterbuch rekonstruieren. Wir werden vier verschiedene Transformationsalgorithmen, Orthogonal Matching Pursuit, Least-angle Regression und Thresholding, verwenden, um die Patches zu rekonstruieren. Wir werden das rekonstruierte Bild anzeigen und es mit dem Originalbild vergleichen.

Zusammenfassung

In diesem Lab haben wir gelernt, wie man ein verzerrtes Bild mit Hilfe des Wörterbuchlernens entrauscht. Wir haben die MiniBatchDictionaryLearning von Scikit-learn verwendet, um das Wörterbuch zu lernen und die rauschenden Patches zu rekonstruieren. Wir haben auch vier verschiedene Transformationsalgorithmen verwendet, um die Patches zu rekonstruieren.