Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Computational Reconstructions of Extracellular Action Potentials and Local Field Potentials of a Rat Cerebellum Using Point Neurons Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

An Analysis of Rainstreak Modeling as a Noise Parameter Using Deep Learning Techniques

verfasst von : B. Akaash, R. Aarthi

Erschienen in: Advances in Computing and Network Communications

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Outdoor vision systems (OVS) play a vital role in the surveillance of the environment. However, the images and videos captured by these systems could be severely tampered by the sharp intensity changes brought about by adverse weather and climatic conditions. In this work, synthetically prepared rain images are modeled to visualize the randomly distributed rainstreak patterns as noise. The analysis has been performed using various deep learning networks such as auto-encoders with and without skip connections and denoising convolutional neural networks (DnCNN). The best model for this process has been suggested based on mean squared error (MSE), peak signal-to-noise ratio (PSNR), and structural similarity index (SSIM) obtained by comparing the original and the reconstructed image.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Providing Software Asset Management Compliance in Green Deployment Algorithm
Nächstes Kapitel Diverting Tantrum Behavior Using Percussion Instrument on Autistic Spectrum Disorders
Literatur
1.
Sushmitha, S., Satheesh, N., Kanchana, V.: Multiple car detection, recognition and tracking in traffic. In: 2020 International Conference for Emerging Technology (INCET), pp. 1–5. IEEE (2020)
2.
Haritha, H., Senthil Kumar, T.: Survey on various traffic monitoring and reasoning techniques. In: Silhavy, R., Senkerik, R., Kominkova Oplatkova, Z., Prokopova, Z., Silhavy, P. (eds.) Artificial Intelligence Trends in Intelligent Systems. CSOC 2017. Advances in Intelligent Systems and Computing, vol. 573. Springer, Cham (2017)
3.
Shi, Z., Li, Y., Zhang, C., Zhao, M., Feng, Y., Jiang, B.: Weighted median guided filtering method for single image rain removal. EURASIP J. Image Video Process. 2018(1), 1–8 (2018)CrossRef
4.
Himabindu, Y., Manjusha, R., Parameswaran, L.: Detection and removal of raindrop from images using deep learning. In: Smys, S., Tavares, J., Balas, V., Iliyasu, A. (eds.) Computational Vision and Bio-Inspired Computing. ICCVBIC 2019. Advances in Intelligent Systems and Computing, vol. 1108. Springer, Cham (2020)
5.
Yasarla, R., Sindagi, V.A., Patel, V.M.: Syn2Real transfer learning for image deraining using Gaussian processes. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 2726–2736 (2020)
6.
Du, Y., Xu, J., Qiu, Q., Zhen, X., Zhang, L.: Variational image deraining. In: The IEEE Winter Conference on Applications of Computer Vision, pp. 2406–2415 (2020)
7.
Garg, K., Nayar, S.K.: Vision and rain. Int. J. Comput. Vis. 75(1), 3–27 (2007)CrossRef
8.
Liu, T., Xu, M., Wang, Z.: Removing rain in videos: a large-scale database and a two-stream ConvLSTM approach. In: 2019 IEEE International Conference on Multimedia and Expo (ICME), pp. 664–669. IEEE (2019)
9.
Zhang, H., Sindagi, V., Patel, V.M.: Image de-raining using a conditional generative adversarial network. IEEE Trans. Circ. Syst. Video Technol. (2019)
10.
Zhang, K., Zuo, W., Chen, Y., Meng, D., Zhang, L.: Beyond a Gaussian denoiser: residual learning of deep CNN for image denoising. IEEE Trans. Image Process. 26(7), 3142–3155 (2017)MathSciNetCrossRef
11.
Cai, B., Xu, X., Jia, K., Qing, C., Tao, D.: Dehazenet: an end-to-end system for single image haze removal. IEEE Trans. Image Process. 25(11), 5187–5198 (2016)MathSciNetCrossRef
12.
Li, S., Araujo, I.B., Ren, W., Wang, Z., Tokuda, E.K., Junior, R.H., Cesar-Junior, R., Zhang, J., Guo, X., Cao, X.: Single image deraining: a comprehensive benchmark analysis. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 3838–3847 (2019)
13.
Metadaten
Titel
An Analysis of Rainstreak Modeling as a Noise Parameter Using Deep Learning Techniques
verfasst von
B. Akaash
R. Aarthi
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Advances in Computing and Network Communications

Print ISBN: 978-981-336-986-3

Electronic ISBN: 978-981-336-987-0

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-33-6987-0_38

Neuer Inhalt

    Bildnachweise