基于小波变换与卷积神经网络的图像去噪算法
图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失.结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法.训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像.实验结果表明:在高斯白噪声水平达到σ=50时,去噪后图像的峰值信噪比(peak signal to noise ratio,PSNR)均值和结构相似性(structural similarity index method,SSIM)均值可以达到28.37 dB和0.8080,提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声,以及遥感图像在传感过程中产生的噪声,并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节.
图像处理、图像去噪、平稳小波变换、卷积神经网络、残差网络
41
TN911.73;TP391
国家自然科学基金61403298;陕西省自然科学基金2015JM1024;陕西省教育厅专项科研计划2013JK0586
2020-04-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
288-295