基于图像高频分量的卷积神经网络去噪方法研究
首先基于Inception模型、残差网络和批量归一化,设计了一种新的用于图像去噪的卷积神经网络模型,然后针对如何降低网络学习复杂度,设计了以包含绝大部分噪声的图像高频分量作为去噪网络的输入的学习方式.仿真的结果是以高频分量作为去噪网络的输入得到的去噪图拥有最高的峰值信噪比,而以完整含噪图像作为去噪网络的输入得到的去噪图也拥有比传统方法更高的峰值信噪比,这说明了卷积神经网络的去噪性能优于传统方法,而以高频分量作为去噪网络的输出,不仅有效地降低网络学习的复杂度,而且可以获得更高的去噪性能.
图像去噪、卷积神经网络、高频分量
43
TP391.1(计算技术、计算机技术)
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
9-15