JPEG-deblocking of Blood Cell Images using Deep Learning
En genomgående trend i alla företag och industrier är att deras förmåga att producera data växer fortare än deras förmåga att lagra den, och detta gäller även hos CellaVision som producerar mikroskopiska blodcellsbilder. Lösningen är att komprimera bilderna med konsekvensen att viss information förloras. Vi har använt oss av djupinlärnings-metoder för att rekonstruera den försvunna datan i bildernThis thesis investigates the use of convolutional neural networks as a reconstruction or JPEG- deblocking model for JPEG-compressed blood cell images, needed due to the well known block artifacts caused by JPEG-compression. CellaVision develops automated microscopy for blood analysis that detects and classifies blood cells from images. The automated analysis is carried out on high resolu- tion mic
