發(fā)布時間：2021-03-09 14:27

　　為了在去除圖像中椒鹽噪聲的同時最大程度地避免產(chǎn)生色彩失真與邊緣模糊等瑕疵,提出基于深度殘差網(wǎng)絡(luò)的椒鹽噪聲自適應(yīng)濾除算法.將圖像去噪分解為2步.首先,為了讓網(wǎng)絡(luò)模型能夠處理不同尺度密度的椒鹽噪聲,提高網(wǎng)絡(luò)模型的魯棒性,先對圖像進(jìn)行自適應(yīng)預(yù)處理以去除高頻信息;其次,構(gòu)建深度殘差網(wǎng)絡(luò)模型,訓(xùn)練出能將預(yù)處理后的圖像映射到干凈圖像的函數(shù).大量實(shí)驗(yàn)結(jié)果表明,文中算法不僅在保留圖像邊緣細(xì)節(jié)和去除高密度椒鹽噪聲方面均優(yōu)于傳統(tǒng)和基于機(jī)器學(xué)習(xí)的椒鹽噪聲去除技術(shù),可有效地避免出現(xiàn)色彩失真和條紋等瑕疵.同時,其在BSD300數(shù)據(jù)集上去噪效果優(yōu)于其他算法. 

【文章來源】：計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2020,32(08)北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

不同算法在熊群圖像上的去噪結(jié)果對比

枷襝附?并避免出現(xiàn)條紋與色彩失真等問題的發(fā)生.2基于殘差網(wǎng)絡(luò)的自適應(yīng)去噪針對椒鹽噪聲去除和圖像細(xì)節(jié)保留問題,本文進(jìn)行了相關(guān)研究,提出了基于深度殘差網(wǎng)絡(luò)的自適應(yīng)去噪算法,將自適應(yīng)的預(yù)處理算法和深度殘差去噪神經(jīng)網(wǎng)絡(luò)相結(jié)合,在完成對不同密度椒鹽噪聲去除的同時,最大限度地保留圖像中的細(xì)節(jié).主要思路分為2步:(1)采用自適應(yīng)窗口預(yù)處理算法去除圖像中部分噪聲和高頻信息;(2)采用深度殘差網(wǎng)絡(luò)將深度學(xué)習(xí)與圖像去噪相結(jié)合,去除剩余部分噪聲并修復(fù)圖像細(xì)節(jié),避免產(chǎn)生條紋、色彩失真和圖像模糊等問題;具體流程如圖1所示.圖1去除椒鹽噪聲流程圖

于統(tǒng)計(jì)概率學(xué)的知識,即使圖像被90%密度的椒鹽噪聲所污染,其在77的濾波窗口中全為噪聲點(diǎn)的概率是極小的.假設(shè)出現(xiàn)77的濾波窗口中全為噪聲點(diǎn)的情況,則極有可能在原圖像中本就含有值為0或255的像素點(diǎn)(原背景圖像為黑色或白色),故不對該噪聲點(diǎn)進(jìn)行替換修改.2.2深度殘差網(wǎng)絡(luò)模型He等[20]提出了深度殘差網(wǎng)絡(luò),其認(rèn)為基于深度殘差網(wǎng)絡(luò)的模型比基于DCNN的模型能更好、更快地收斂.受此啟發(fā),本文構(gòu)建了深度殘差網(wǎng)絡(luò)去噪模型,以此來去除在自適應(yīng)預(yù)處理后仍未被去除的噪聲點(diǎn),并修復(fù)圖像細(xì)節(jié).本文的網(wǎng)絡(luò)模型如圖2所示.如圖2a所示,每個殘差塊由輸入層和2個CNN層組成,每個CNN層都擁有64個濾波器,最終殘差塊的輸出為最后的CNN層與輸入相加的結(jié)果.如圖2b所示,本文提出的深度殘差網(wǎng)絡(luò)模型由32個殘差塊組成,同時本文模型所有的卷積層后都緊接著批正則化層和ReLU激活函數(shù)層.圖2深度網(wǎng)絡(luò)殘差模型結(jié)構(gòu)由于含高密度椒鹽噪聲圖像的高復(fù)雜性,直接將噪聲圖像作為輸入數(shù)據(jù)加入到網(wǎng)絡(luò)模型中并不能取得良好的去噪效果;但將圖像進(jìn)行預(yù)處理后再輸入網(wǎng)絡(luò)中卻能達(dá)到去除噪聲的目的.本文認(rèn)為主要原因有以下幾點(diǎn):(1)對于受到高密度椒鹽噪聲污染的圖像,其大部分像素點(diǎn)都被噪聲所污染.這就導(dǎo)致輸入的圖像數(shù)據(jù)中缺少足夠的有效信息,卷積操作很難將僅含少量有效信息的噪聲圖像恢復(fù)回原圖像.(2)被椒鹽噪聲所污染的像素值通常位于極值點(diǎn)0或255附近,故而受到噪聲污染的圖像與原圖像相對差異較大,而采用本文自適應(yīng)預(yù)處理后

【參考文獻(xiàn)】：
期刊論文
[1]基于BPANN噪聲檢測的反距離加權(quán)法濾除椒鹽噪聲[J]. 龍敬文,蒲亦非,周激流.  計(jì)算機(jī)應(yīng)用研究. 2018(04)



本文編號：3072999