目前,在計(jì)算機(jī)視覺(jué)的研究和應(yīng)用領(lǐng)域中,圖像去噪仍然是一個(gè)熱門(mén)的研究課題,面臨著巨大的挑戰(zhàn)�，F(xiàn)有的去噪方法大多依賴(lài)于圖像包含的噪聲類(lèi)型的信息,而這些信息主要依靠有豐富經(jīng)驗(yàn)的人員來(lái)進(jìn)行手工標(biāo)注。換句話(huà)說(shuō),這些方法沒(méi)有應(yīng)用計(jì)算方法來(lái)自動(dòng)對(duì)圖像噪聲類(lèi)型進(jìn)行預(yù)分類(lèi),無(wú)疑會(huì)耗費(fèi)巨大的時(shí)間和人力。除此之外,先前的方法大多假設(shè)圖像僅僅包含像高斯噪聲那樣的某種單一噪聲類(lèi)型,這并不符合實(shí)際應(yīng)用場(chǎng)景。實(shí)際場(chǎng)景中,圖像可能包含多種噪聲,依靠先前的方法將不能有效的對(duì)圖像進(jìn)行去噪。與現(xiàn)有方法不同,本文提出了一種新穎的方法,不僅可以對(duì)包含單一類(lèi)型的噪聲圖像進(jìn)行噪聲分類(lèi)和圖像去噪,而且還可以根據(jù)實(shí)際場(chǎng)景需求,對(duì)包含混合類(lèi)型的噪聲圖像進(jìn)行噪聲分類(lèi)和去除。我們的方法主要利用兩種類(lèi)型的深度學(xué)習(xí)網(wǎng)絡(luò)來(lái)對(duì)噪聲圖像進(jìn)行分類(lèi)和去噪,分別是噪聲分類(lèi)識(shí)別網(wǎng)絡(luò)和噪聲去除網(wǎng)絡(luò)。噪聲分類(lèi)網(wǎng)絡(luò)對(duì)圖像所包含的噪聲類(lèi)型進(jìn)行識(shí)別分類(lèi),噪聲去除網(wǎng)絡(luò)則根據(jù)噪聲分類(lèi)網(wǎng)絡(luò)的識(shí)別結(jié)果,選擇合適的去噪模型對(duì)圖像噪聲進(jìn)行去除,進(jìn)而得到干凈清晰的圖像。本文設(shè)計(jì)的框架可以通過(guò)上述兩個(gè)網(wǎng)絡(luò)模塊自動(dòng)的對(duì)包含不同噪聲類(lèi)型的圖像進(jìn)行去噪。最終的實(shí)驗(yàn)結(jié)果表明,本文設(shè)計(jì)的分類(lèi)網(wǎng)... 

【文章來(lái)源】：天津工業(yè)大學(xué)天津市

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高斯分布函數(shù)曲線(xiàn)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于色差的均方誤差與峰值信噪比評(píng)價(jià)彩色圖像質(zhì)量研究[J]. 黃小喬,石俊生,楊健,姚軍財(cái).  光子學(xué)報(bào). 2007(S1)



本文編號(hào)：3558754