基于域自适应的红外图像去噪算法

摘要：

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声.本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块.首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务.实验表明,本文提出的算法与BM3D、DnCNN 和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果.证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像.

关键词：红外图像去噪、域自适应、CNN、多尺度、特征连接

所属期刊栏目：53

分类号：TP391.41(计算技术、计算机技术)

资助基金：光电信息技术研究室基金项目No.E055040803

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：449-456