一种基于深度学习的非局部均值图像降噪方法

摘要：

针对传统图像降噪算法对图像进行降噪时效果不佳的问题,提出一种深度学习与非局部均值滤波算法相结合的图像降噪新方法.在传统非局部均值滤波算法基础上,通过构建图像分块滤波学习过程框架和五层神经网络模型,运用梯度下降反向传导算法和ReLU激活函数,采用均方对数误差损失函数和Adam优化函数进行小批量处理模型训练,在keras框架上得到较好的降噪效果.通过和高斯滤波、中值滤波、双边滤波、非局部均值滤波算法对比实验,验证了方法的有效性.

关键词：非局部均值、深度学习、图像分块、图像降噪、神经网络

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：“十二五”国家科技支撑计划课题;北京信息科技大学科研水平提高项目

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：228-234