圖像去噪是減少數(shù)字圖像中噪聲的過程,是影響圖像分割,邊緣檢測,特征提取等對圖像進(jìn)行后續(xù)處理的重要前提。深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別、語音處理等方面取得了重大成功,通過深度學(xué)習(xí),可以使機(jī)器模擬人類的視覺、聽覺、思維等行為,能夠克服模式識別中難以處理復(fù)雜問題的困難。圖像去噪在視頻分析和語音處理方面有巨大的應(yīng)用,深度卷積網(wǎng)絡(luò)利用深度學(xué)習(xí)無需用統(tǒng)計方法分析數(shù)據(jù)的優(yōu)點,在圖像去噪中取得了成功。針對傳統(tǒng)的基于塊匹配的圖像去噪方法只能處理二維圖像以及去噪性能不高的缺點,提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法。該方法首先利用三維剪切波變換來得到變換域系數(shù),對噪聲圖像進(jìn)行多尺度分解和方向剖分兩個濾波階段;然后通過硬閾值和維納濾波階段提出四維塊匹配方法,其中兩個階段又分別包括分組、協(xié)同過濾和聚合三個步驟,利用堆積成四維組的體素立方體,在該組的四維變換同時利用每個立方體中體素之間存在的局部相關(guān)性和不同立方體中相應(yīng)體素之間的非局部相關(guān)性。通過三維剪切波逆變換,得到每個分組立方體的估計值,并在原始位置進(jìn)行自適應(yīng)聚合,從而得到潛在的干凈圖像。然后用深度卷積神經(jīng)網(wǎng)絡(luò)中的生成對抗網(wǎng)絡(luò)對潛在的干凈圖像進(jìn)行訓(xùn)練,得到最...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 神經(jīng)網(wǎng)絡(luò)的發(fā)展
    1.4 深度學(xué)習(xí)的發(fā)展歷程
    1.5 論文結(jié)構(gòu)和章節(jié)安排
第二章 圖像去噪的相關(guān)理論基礎(chǔ)
    2.1 圖像去噪
        2.1.1 噪聲模型
        2.1.2 圖像去噪方法
    2.2 圖像去噪效果評價
    2.3 本章小結(jié)
第三章 基于三維剪切波變換與BM4D圖像去噪方法
    3.1 三維剪切波
        3.1.1 三維剪切波的表示
        3.1.2 使用剪切器的最佳稀疏三維近似
        3.1.3 使用組合字典的三維數(shù)據(jù)去噪
    3.2 三維塊匹配方法思想
    3.3 四維塊匹配方法
        3.3.1 觀測模型
        3.3.2 具體方法
    3.4 基于三維剪切波變換與BM4D的圖像去噪過程
    3.5 實驗與分析
    3.6 本章小結(jié)
第四章 基于深度生成對抗網(wǎng)絡(luò)的圖像去噪方法
    4.1 卷積神經(jīng)網(wǎng)絡(luò)原理
        4.1.1 局部連接
        4.1.2 權(quán)值共享
    4.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        4.2.1 卷積層
        4.2.2 池化層
        4.2.3 全連接層
        4.2.4 激活函數(shù)
    4.3 基于生成對抗網(wǎng)絡(luò)去噪的具體方法
        4.3.1 生成對抗網(wǎng)絡(luò)圖像去噪模型
        4.3.2 降噪體系
        4.3.3 三階段訓(xùn)練過程
    4.4 實驗與分析
    4.5 本章小結(jié)
第五章 基于深度生成對抗網(wǎng)絡(luò)的磁共振圖像去噪應(yīng)用
    5.1 磁共振圖像去噪的意義
    5.2 磁共振圖像噪聲模型
    5.3 去噪實驗-高斯噪聲
    5.4 去噪實驗-Rician噪聲
        5.4.1 Rician分布特點
        5.4.2 實驗與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果
致謝



本文編號：3807637