一种改进的噪声图像语义分割方法

摘要：

在图像的获取和传输过程中,可能会出现噪声,它不仅破坏了图像的真实信息,而且严重影响了图像的视觉效果.因此,噪声图像的语义分割成为图像分析中最具挑战性的问题之一.为了提高噪声图像的分割性能,本文在分析全卷积网络(FCN)的基础上,提出一种改进的FCN模型(IFCN)对噪声图像语义分割.该算法采用一种新的中值池化方法代替卷积神经网络的最大值池化,可以在去除噪声的同时保留更多边缘信息.在训练整个深度网络时,通过反向传播算法以一种直接的端到端,像素到像素的方式映射.实验结果表明,提出的模型在PASCAL VOC2012数据集上对噪声图像语义分割可以获得比较好的分割效果,准确率mean IU达到86.5％.

关键词：语义分割、IFCN、中值池化、去噪

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市科委科研计划

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1372-1377