深度非对称跳跃连接的图像降噪方法
图像降噪可有效地改善图像质量,提升感官效果,也是图像特征提取与理解的前提.针对目前比较流行的卷积神经网络降噪方法中顺序连接的卷积层-反卷积层会使图像在梯度反传过程中逐渐弱化图像噪声的学习问题,提出一种深度非对称跳跃连接的方法用于图像降噪.该方法设计多组非对称跳跃连接卷积-反卷积算子,以有效学习图像细节及噪声信息,并对不同深度的卷积操作进行权重量化,以加强图像降噪及恢复;通过非对称跳跃连接可使图像噪声信息能够直接反传到对应的多个卷积层中,对梯度扩散有良好的抑制作用.采用伯克利分割数据集BSD300进行实验的结果表明,文中算法比基准方法在结构相似性(SSIM)和峰值信噪比(PSNR)2种指标上都有提升.
卷积算子、反卷积算子、卷积神经网络、高斯分布、图像降噪
31
TP391.41(计算技术、计算机技术)
国家自然科学基金61379106;中央高校基本科研基金13CX06007A, 14CX06010A, 14CX06012A;山东省自然科学基金ZR2009GL014, ZR2013FM036, ZR2015FM011
2019-04-28（万方平台首次上网日期，不代表论文的发表时间）
共8页
295-302
