基于深度残差学习的乘性噪声去噪方法 下载: 2139次
Multiplicative Denoising Method Based on Deep Residual Learning
内蒙古科技大学信息工程学院, 内蒙古 包头 014010
图 & 表
图 1. 残差学习框架图
Fig. 1. Architecture of residual learning
下载图片 查看原文
图 2. CNN结构图
Fig. 2. Architecture of the CNN
下载图片 查看原文
图 3. 实验所用测试图像
Fig. 3. Test images used in the experiment
下载图片 查看原文
图 4. 相同噪声水平条件下不同去噪方法的去噪结果。(a)含噪图像;(b) Lee方法;(c) Frost方法;(d) BM3D方法;(e) NL方法;(f) CNN方法
Fig. 4. Results of different methods for test images under the same noise level. (a) Noise images; (b) Lee method; (c) Frost method; (d) BM3D method; (e) NL method; (f) CNN method
下载图片 查看原文
图 5. 不同去噪方法去噪细节对比图。(a) Lee方法;(b) Frost方法;(c) BM3D方法;(d) NL方法;(e) CNN方法
Fig. 5. Detail comparison of different denoising methods.(a) Lee method; (b) Frost method; (c) BM3D method; (d) NL method; (e) CNN method
下载图片 查看原文
图 6. 不同噪声水平条件下CNN方法的去噪结果。(a) σ2=0.02;(b) σ2=0.04;(c) σ2=0.06;(d) σ2=0.08;(e) σ2=0.1
Fig. 6. Denoising results of CNN method under different noise levels. (a) σ2=0.02; (b) σ2=0.04;(c) σ2=0.06; (d) σ2=0.08; (e) σ2=0.1
下载图片 查看原文
图 7. 不同噪声水平下去噪变化曲线。(a) PSNR;(b) SSIM
Fig. 7. (a) PSNR and (b) SSIM of different denoising methods versus noise level
下载图片 查看原文
表 1相同噪声水平条件下不同方法对测试图像的PSNR
Table1. PSNR of different methods for test images under the same noise leveldB
Image | Lee | Frost | BM3D | NL | CNN |
---|
Lena | 26.40 | 25.14 | 20.88 | 28.22 | 30.59 | Baboon | 23.21 | 22.35 | 20.54 | 22.33 | 26.06 | Barbara | 23.57 | 23.20 | 21.66 | 23.16 | 28.45 | Boats | 25.40 | 24.14 | 20.32 | 25.50 | 28.65 | Peppers | 25.97 | 24.87 | 20.87 | 28.45 | 30.14 | Satellite | 25.58 | 23.62 | 20.06 | 25.83 | 28.38 | Average | 25.02 | 23.89 | 20.72 | 25.58 | 28.71 |
|
查看原文
表 2相同噪声水平下不同方法对测试图像的SSIM
Table2. SSIM of different methods for test images under the same noise level
Image | Lee | Frost | BM3D | NL | CNN |
---|
Lena | 0.647 | 0.496 | 0.401 | 0.733 | 0.846 | Baboon | 0.564 | 0.483 | 0.517 | 0.451 | 0.756 | Barbara | 0.600 | 0.510 | 0.559 | 0.587 | 0.855 | Boats | 0.634 | 0.510 | 0.424 | 0.647 | 0.784 | Peppers | 0.642 | 0.471 | 0.416 | 0.731 | 0.804 | Satellite | 0.572 | 0.425 | 0.344 | 0.572 | 0.719 | Average | 0.610 | 0.482 | 0.444 | 0.620 | 0.794 |
|
查看原文
表 3不同噪声水平下不同方法的PSNR
Table3. PSNR of different methods under different noise levelsdB
Noiseimage | Lee | Frost | BM3D | NL | CNN |
---|
σ2=0.02 | 27.71 | 27.58 | 25.00 | 28.95 | 32.99 | σ2=0.04 | 26.36 | 25.08 | 20.87 | 28.19 | 30.66 | σ2=0.06 | 25.37 | 23.60 | 18.85 | 27.53 | 29.25 | σ2=0.08 | 24.55 | 22.52 | 17.51 | 26.97 | 28.19 | σ2=0.10 | 24.00 | 21.62 | 16.48 | 26.42 | 27.18 | Average | 25.60 | 24.08 | 19.74 | 27.61 | 29.65 |
|
查看原文
表 4不同噪声水平下不同方法的SSIM
Table4. SSIM of different methods under different noise levels
Noiseimage | Lee | Frost | BM3D | NL | CNN |
---|
σ2=0.02 | 0.736 | 0.602 | 0.558 | 0.779 | 0.882 | σ2=0.04 | 0.643 | 0.495 | 0.401 | 0.730 | 0.843 | σ2=0.06 | 0.583 | 0.432 | 0.332 | 0.692 | 0.817 | σ2=0.08 | 0.540 | 0.391 | 0.284 | 0.662 | 0.795 | σ2=0.10 | 0.501 | 0.357 | 0.245 | 0.633 | 0.774 | Average | 0.601 | 0.455 | 0.364 | 0.699 | 0.822 |
|
查看原文
张明, 吕晓琪, 吴凉, 喻大华. 基于深度残差学习的乘性噪声去噪方法[J]. 激光与光电子学进展, 2018, 55(3): 031004. Ming Zhang, Xiaoqi Lü, Liang Wu, Dahua Yu. Multiplicative Denoising Method Based on Deep Residual Learning[J]. Laser & Optoelectronics Progress, 2018, 55(3): 031004.