Утилита для удаления шумовых артефактов с изображений (летняя практика) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница, с помощью формы Новое_задание_на_летнюю_практику)
 
(уточнения)
 
(не показана одна промежуточная версия ещё одного участника)
Строка 3: Строка 3:
 
|mentor=Умнов Алексей Витальевич
 
|mentor=Умнов Алексей Витальевич
 
|mentor_login={{URLENCODE:Katya|WIKI}}
 
|mentor_login={{URLENCODE:Katya|WIKI}}
|organization=Лаборатория методов анализа больших данных
+
|organization=Лаборатория методов анализа больших данных (LAMBDA)
 
|hse_profile=http://www.hse.ru/org/persons/141880775
 
|hse_profile=http://www.hse.ru/org/persons/141880775
 
|email=alexeyum@gmail.com
 
|email=alexeyum@gmail.com
Строка 12: Строка 12:
  
 
=== Задание ===
 
=== Задание ===
Необходимо реализовать утилиту для удаления шумовых артефактов с изображений на основе технологии разреженных представлений. Для работы с разреженными представлениями необходимо использовать алгоритм Orthogonal Matching Pursuit, реалзиованный в библиотеке scikit-learn (sklearn.linear_model.orthogonal_mp). Алгоритм позволяет построить устойчивое к шуму представление данных, далее на основе этого представления можно получить приближение изображения без шума. Для работы алгоритму необходим словарь "атомарных" изображений его нужно составить (подобрать наиболее хорошо работающий вариант) на основе вейвлетов  из библиотеки scikit-image (или аналогичных изображений, сделанных вручную)."
+
Необходимо реализовать утилиту для удаления шумовых артефактов с изображений на основе технологии разреженных представлений. Для работы с разреженными представлениями необходимо использовать алгоритм Orthogonal Matching Pursuit, реалзиованный в библиотеке scikit-learn (sklearn.linear_model.orthogonal_mp). Алгоритм позволяет построить устойчивое к шуму представление данных, далее на основе этого представления можно получить приближение изображения без шума. Для работы алгоритму необходим словарь "атомарных" изображений; его нужно составить (подобрать наиболее хорошо работающий вариант) на основе вейвлетов  из библиотеки scikit-image (или аналогичных изображений, сделанных вручную)."
  
 
=== Какие начальные требования? ===
 
=== Какие начальные требования? ===
Строка 19: Строка 19:
  
 
=== Какие будут использоваться технологии? ===
 
=== Какие будут использоваться технологии? ===
*Библиотека scipy
+
*Библиотеки scipy, scikit-learn, scikit-image.
*Опционально библиотека scikit-learn.
+
  
 
=== Какая дополнительная литература понадобится? ===
 
=== Какая дополнительная литература понадобится? ===
*http://en.wikipedia.org/wiki/Matching_pursuit
+
*https://en.wikipedia.org/wiki/Wavelet
*Elad. Sparse and Redundant Representations. Chapters 1, 3.
+
*Elad, Figueiredo, Ma. On the Role of Sparse and Redundant Representations in Image Processing. 2010

Текущая версия на 12:46, 19 июня 2015

Автор Умнов Алексей Витальевич
Профиль на сайте ВШЭ
Электронная почта
Организация Лаборатория методов анализа больших данных (LAMBDA)
Учебный год 2015


Задание

Необходимо реализовать утилиту для удаления шумовых артефактов с изображений на основе технологии разреженных представлений. Для работы с разреженными представлениями необходимо использовать алгоритм Orthogonal Matching Pursuit, реалзиованный в библиотеке scikit-learn (sklearn.linear_model.orthogonal_mp). Алгоритм позволяет построить устойчивое к шуму представление данных, далее на основе этого представления можно получить приближение изображения без шума. Для работы алгоритму необходим словарь "атомарных" изображений; его нужно составить (подобрать наиболее хорошо работающий вариант) на основе вейвлетов из библиотеки scikit-image (или аналогичных изображений, сделанных вручную)."

Какие начальные требования?

  • Знание Python
  • Умение читать техническую литературу на английском языке

Какие будут использоваться технологии?

  • Библиотеки scipy, scikit-learn, scikit-image.

Какая дополнительная литература понадобится?