基于深度可分离选择性残差网络的真实图像增强算法

摘要：

图像去噪作为低级视觉任务,在图像处理领域常被重点研究.针对图像去噪网络训练周期长和图像纹理细节模糊的问题,为提升图像去噪效果,减少训练参数量,缩短训练周期,提出了一种改进M-Net网络融合深度可分离卷积及选择性残差网络的图像盲去噪方法.所提方法在两个合成数据集和两个真实世界噪声数据集上的定量指标及视觉质量评价均达到对比去噪算法的性能,同时具有更小的FLOPs.

关键词：图像增强、图像盲去噪、残差网络、视觉质量评价、特征融合、深度可分离卷积、去噪模型、图像边缘保护

所属期刊栏目：46

分类号：TN911.73-34

资助基金：国家自然科学基金;云南省重大科技专项计划项目

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：52-56