Image Denosing mit neuronalen Netzwerken und Deep Learning

Betreuer: Matthias Hummert
Art der Arbeit: Vertiefungsprojekt (BSc.)
Arbeit beendet: 11/2020
Bearbeiter: Lion Müller
Status: abgeschlossen
ANT-Signatur:
Kurzfassung:

Motivation:

Das Problem der Rekonstruktion von gesendeten Daten aus verrauschten Empfangssignalen ist eines der grundlegenden Probleme in der Nachrichtentechnik. Das Problem wird  mit dem Additive White Gaussian Noise (AWGN) Kanal modelliert. Die Idee hier ist, das Problem mittels Deep Learning zu lösen und empfangene Signale mit diesen Techniken zu entrauschen. Zur besseren Visualisierung des Problems sollen Bilder betrachtet und entrauscht werden.

Ziel:

Das Ziel dieser Arbeit ist es, ein besseres Verständnis über die Grundlagen der Nachrichtentechnik und der maschinellen Lerntechniken zu erlangen. Daher sollte ein Neural Network Image Denoiser implementiert und mit grundlegenden Übertragungsschemata verglichen werden.

Voraussetzungen:

Um diese Arbeit zu bearbeiten, sind Kenntnisse aus Grundlagen der Nachrichtentechnik und Programmierkenntnisse in Python oder Matlab unerlässlich.


Zuletzt aktualisiert am 13.11.2020 von M. Hummert
AIT ieee GOC tzi ith Fachbereich 1
© Arbeitsbereich Nachrichtentechnik - Universität BremenImpressum / Kontakt