面向图像去噪的深度双层群稀疏编码网络

摘要：

当前基于深度学习的图像去噪方法主要是利用深度神经网络将噪声图像直接映射到干净图像,忽略了图像去噪任务知识.针对该问题,提出了一种基于双层群稀疏编码的深度图像去噪网络.为了充分利用图像中相似结构以及对相似块之间的特异性有效表示,提出了双层群稀疏编码图像去噪模型,并表示成l2,1-l1 范数优化问题.利用算法展开技术将所提去噪模型的优化解转化成"端到端"的深度神经网络.为了进一步提高网络训练的稳定性,所提去噪网络中引入一种改进的残差连接.在BSD68、Set12、CBSD68、Kodak24和Urban100等常用数据集上的实验结果表明,所提算法在主观视觉质量和客观评价指标上优于一些主流的去噪方法.特别地,针对噪声等级为75,所提算法在CBSD68数据集上比经典的DnCNN算法平均PSNR指标提高了1.3 dB.

关键词：图像去噪、群稀疏编码、深度神经网络、算法展开、残差连接

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61971237

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：195-203