基于深度置信网络的随机脉冲噪声快速检测算法
为提高现有随机脉冲噪声(RVIN)检测算法的检测准确率和执行效率,该文试图从构建描述能力更强的特征矢量和训练非线性映射更为准确的预测模型两个方面入手,实现一种基于训练策略的快速RVIN检测算法.一方面,提取多个不同阶的对数绝对差值排序统计值并结合一个能够反映图像边缘特性的统计值作为刻画图块中心像素点是否为噪声的特征矢量.在计算量增加极少的情况下,显著提升了特征矢量的描述能力.另一方面,基于深度置信网络(DBN)训练RVIN预测模型(RVIN检测器)将特征矢量映射为噪声类型标签,实现了比浅层预测模型更为准确的映射.大量实验数据表明:与现有的RVIN检测算法相比,所提算法在检测准确率和执行效率两个方面都更有优势.
随机脉冲噪声、噪声检测、图像局部统计值、深度置信网络、计算效率
41
TP391(计算技术、计算机技术)
国家自然科学基金61662044, 61163023, 51765042, 81501560;江西省自然科学基金20171BAB202017;江西省研究生创新项目YC2018-S066
2019-05-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
1130-1136