基于深度卷积神经网络的图像去噪研究

摘要：

为更有效地去除图像中的噪声,提出一种深度学习的图像去噪方法.以完整图像作为网络的输入及输出图像,通过隐含层构成由含噪声图像到去噪图像的非线性映射,由卷积子网和反卷积子网构成一种对称式的网络结构,卷积子网学习图像特征,反卷积子网根据特征图恢复原始图像,并结合修正线性单元获取更多的纹理细节.以VOC2012数据集作为训练集,使用Tensorflow在GPU环境下训练网络模型.实验结果表明,与GSM,KSVD,CN2,MLP方法相比,该方法能更有效地去除图像中的噪声,获得更高的峰值信噪比,耗时更短,视觉效果更佳.

关键词：卷积神经网络、图像去噪、反卷积、深度学习、修正线性单元

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：山西省自然科学基金2015011045

在线出版日期：2017-04-24（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：253-260