加权密集扩张卷积网络的随机脉冲噪声去除

摘要：

基于深度学习的图像去噪方法,大多没有充分利用不同层次的特征信息,通道合并时都是直接在通道维度上对特征图进行拼接,并没有考虑到浅层与深层卷积特征各自的重要性.为解决上述问题,提出一种加权密集扩张卷积连接网络模型,用于去除图像的随机脉冲噪声.通过使用不同扩张因子的扩张卷积来丰富浅层特征图的多尺度特征信息;考虑到浅层与深层卷积特征各自的重要性,将原始密集块进行改进,采用加权密集连接结构,并使用扩张卷积提高感受野;采用跳跃连接,将浅层的多尺度特征信息和不同加权密集扩张卷积块的特征信息进行融合,充分利用深层卷积特征和浅层卷积特征信息实现随机脉冲噪声的复原.实验结果表明,所提模型的去噪效果更加突出.

关键词：图像去噪、深度学习、密集连接、扩张卷积、权重、随机脉冲噪声

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省科技支撑计划重点项目

在线出版日期：2023-09-28（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：179-189