基于双通道残差网络的水下图像去噪研究

摘要：

水下图像去噪作为探索海底世界有效的辅助手段之一,备受研究人员的关注.传统的滤波方法存在去噪过程中容易损坏图像的细节,带有明显的噪声残留,且根据不同的噪声类型设计相应滤波器的问题,在深度卷积神经网络的基础上,提出一种改进的双通道残差卷积神经网络模型,用于去除水下图像的噪声.该模型由局部残差网(LRN)、全局稀疏网(GSN)和特征处理块(FPB)构成.通过双通道LRN和GSN并行提取水下图像的多层次局部噪声特征和全局噪声特征,利用FPB中的通道连接融合LRN和GSN提取的噪声特征,并使用其卷积层增强水下图像噪声信息.在此基础上,使用均方误差和平均绝对误差双损失函数优化网络参数,利用卷积层重构水下图像.实验结果表明,相比BM3D、IRCNN、DnCNN等方法,该方法的平均峰值信噪比提高0.02～3.52 dB,在有效去除各种水平的随机噪声同时能重构清晰的水下图像.

关键词：卷积神经网络、双通道、残差学习、图像去噪、水下图像、图像处理

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项3132019400

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11页

页码：188-198