基于深度残差学习的乘性噪声去噪方法

张明; 吕晓琪; 吴凉; 喻大华

doi:doi:10.3788/LOP55.031004

激光与光电子学进展, 2018, 55 (3): 031004, 网络出版: 2018-09-10

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

张明吕晓琪 ^*吴凉喻大华

作者单位

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.

基于深度残差学习的乘性噪声去噪方法下载： 2139次

图 1. 残差学习框架图

Fig. 1. Architecture of residual learning

图 2. CNN结构图

Fig. 2. Architecture of the CNN

图 3. 实验所用测试图像

Fig. 3. Test images used in the experiment

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

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

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

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

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

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

表 3不同噪声水平下不同方法的PSNR

Table3. PSNR of different methods under different noise levelsdB

表 4不同噪声水平下不同方法的SSIM

Table4. SSIM of different methods under different noise levels

关于本站 Cookie 的使用提示

全站搜索

基于深度残差学习的乘性噪声去噪方法 下载： 2139次

图 1. 残差学习框架图

Fig. 1. Architecture of residual learning

图 2. CNN结构图

Fig. 2. Architecture of the CNN

图 3. 实验所用测试图像

Fig. 3. Test images used in the experiment

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

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

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

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

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

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

表 3不同噪声水平下不同方法的PSNR

Table3. PSNR of different methods under different noise levelsdB

表 4不同噪声水平下不同方法的SSIM

Table4. SSIM of different methods under different noise levels

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于深度残差学习的乘性噪声去噪方法下载： 2139次