1 南阳理工学院 师范学院, 河南 南阳 473000
2 西安交通大学 数学与统计学院, 陕西 西安 710049
图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会有高频细节信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 本文提出了一种能够连接图像局部路径信息的神经网络, 该网络训练完成后可以直接对含噪声图像进行降噪, 不需要对图像进行预处理。本文提出的神经网络包括3个部分: 特征提取层、信息连接模块、信息重建层。信息连接模块是该网络的关键部分, 通过残差学习连接局部长路径和局部短路径的特征信息。实验结果表明, 经本文处理后的图像在有参考的图像质量评价指标 PSNR 和 SSIM上均有明显提升, PSNR最高可以达到34.87 dB,SSIM可以达到0.87以上; 在无参考的图像质量评价指标 BRISQUE 和NIQE上均有明显下降。本文算法对不同水平、不同种类的算法都有相对较好的效果, 且性能优于一般算法, 在去噪工作中有一定的实用价值。
图像去噪 卷积神经网络 信息连接模块 增强单元 image denoising convolutional neural network information connection blocks enhancement unit
1 西安建筑科技大学 理学院，陕西 西安 710055
2 空间电子信息技术研究院，陕西 西安 710000
由于成像设备等各种因素影响，图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响，这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节，文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络，直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化，这两项指标值越大，说明去噪效果越好。实验结果表明，在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0，相比其他对比算法，2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果，且速度优于所对比的一般算法，对基于卷积神经网络的去噪工作的进一步发展有一定的作用。
图像去噪 卷积神经网络 信息保留模块 提升单元 image denoising convolutional neural network information preservation blocks enhancement unit
