隨著科學(xué)技術(shù)的發(fā)展,越來越多的人們通過圖像或視頻來獲取信息,圖像成為信息的主要來源。然而,圖像在傳輸和處理時會受到噪聲干擾,所以圖像去噪就顯得非常重要。圖像去噪技術(shù)是數(shù)字圖像處理的關(guān)鍵技術(shù)之一,對圖像進行去噪后質(zhì)量的好壞將會影響人們的視覺效果或者是后續(xù)圖像處理的結(jié)果。隨著人們對圖像質(zhì)量要求的不斷提升,圖像去噪成為了一個值得研究的課題,再加上深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在圖像識別和語音識別領(lǐng)域取得了成功,隨后人們將其應(yīng)用到了圖像去噪領(lǐng)域也取得了相當(dāng)不錯的成果。本文主要以DnCNN圖像去噪算法為研究目標(biāo),對它進行了分析和探究,在它的基礎(chǔ)上提出了改進算法,并將改進后的算法在理論和實驗上進行了驗證,證明了改進后算法的去噪性能比較好。本論文中主要進行的研究工作是利用殘差學(xué)習(xí)技術(shù)對圖像進行去噪,通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）去學(xué)習(xí)圖像的統(tǒng)計特性,從而實現(xiàn)圖像的去噪功能。改進算法是在CNN中利用空洞卷積技術(shù)去擴大感受野,從而提取到更多的特征,然后通過加入跳躍連接和增大訓(xùn)練數(shù)據(jù)從而加快神經(jīng)網(wǎng)絡(luò)去噪模型的訓(xùn)練速度,同時提升了重建后去噪算法的精度和收斂性。本... 

【文章來源】：陜西師范大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作
第2章 圖像去噪理論
    2.1 噪聲的形成及分類
    2.2 噪聲模型
    2.3 圖像去噪算法的分類
    2.4 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪
    3.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.1.2 卷積神經(jīng)網(wǎng)絡(luò)的特點
        3.1.3 激活函數(shù)
    3.2 DnCNN算法的介紹
        3.2.1 DnCNN去噪的網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 批規(guī)范化
        3.2.3 殘差學(xué)習(xí)
        3.2.4 損失函數(shù)
    3.3 深度學(xué)習(xí)框架
    3.4 本章小結(jié)
第4章 基于DnCNN的改進算法
    4.1 空洞卷積的引進
    4.2 跳躍連接的應(yīng)用
    4.3 改進后網(wǎng)絡(luò)的結(jié)構(gòu)
    4.4 改進后的學(xué)習(xí)策略
    4.5 優(yōu)化算法參數(shù)的設(shè)置
    4.6 實驗設(shè)計與結(jié)果分析
        4.6.1 數(shù)據(jù)庫的介紹
        4.6.2 模型的構(gòu)建及訓(xùn)練
        4.6.3 去噪效果衡量標(biāo)準(zhǔn)
        4.6.4 實驗結(jié)果及分析
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 內(nèi)容總結(jié)
    5.2 后續(xù)展望
參考文獻
致謝
攻讀碩士期間的研究成果



本文編號：3190701