Ergebnisse, Anpassungen und Erkenntnisse – Entrauschungs-KI

Autoren:	Fabian Babik, Adrian Klinspon
Art:	Projekt im Praxissemester
Dauer:	29.09.2025 bis 09.01.2026
Betreuer:	Prof. Dr.-Ing. Schneider

DnCNN

Ziel der KI

Das ursprüngliche Ziel war die Implementierung eines DnCNN (Denoising Convolutional Neural Network) zur automatischen Bildverbesserung. Die KI sollte darauf trainiert werden, Rauschen aus verschiedenen Quellen (Sensorfehler, ISO-Rauschen) nicht nur zu identifizieren, sondern aktiv zu entferne und das Bildmaterial zu rekonstruieren.

Status der Umsetzung: Die geplante Bildverbesserung hat in der Testphase nicht funktioniert. Die KI ist nicht in der Lage, das bereinigte Bild auszugeben. Stattdessen liefert die KI lediglich eine Differenzmaske (Residual-Output). Das bedeutet: Das Rauschen wurde zwar erfolgreich erkannt und isoliert, aber die Korrektur bzw. das eigentliche "Denoising" fand nicht statt.

Ergebnisse der Analyse (Differenzmasken)

Obwohl die Hauptfunktion (die )