基于深度残差网络的图像混合噪声去除

基于深度残差网络的图像混合噪声去除

张福旺, 苑会娟

文章导航 > 红外技术 > 2019 > 41(7) : 628-633.

张福旺, 苑会娟. 基于深度残差网络的图像混合噪声去除[J]. 红外技术, 2019, 41(7): 628-633.

引用本文:

张福旺, 苑会娟. 基于深度残差网络的图像混合噪声去除[J]. 红外技术, 2019, 41(7): 628-633.

ZHANG Fuwang, YUAN Huijuan. Image Mixed Noise Removal Based on Deep Residual Network[J]. Infrared Technology , 2019, 41(7): 628-633.

Citation:

ZHANG Fuwang, YUAN Huijuan. Image Mixed Noise Removal Based on Deep Residual Network[J]. Infrared Technology , 2019, 41(7): 628-633.

基于深度残差网络的图像混合噪声去除

哈尔滨理工大学测控技术与通信工程学院,黑龙江哈尔滨,150080
哈尔滨理工大学

基金项目: 黑龙江省自然科学基金项目(F201303)

详细信息

中图分类号: TP391.41
计量
- 文章访问数: 118
- HTML全文浏览量: 16
- PDF下载量: 18
出版历程

Image Mixed Noise Removal Based on Deep Residual Network

摘要: 深度卷积神经网络的提出引发了图像处理算法的一系列突破.但是,使用更深入的网络并不总是有帮助,训练它们的巨大障碍是逐渐消失的梯度、大量增长的参数和过长的时间.本文提出了一种基于深度残差网络的图像混合噪声去除算法.通过全局残差学习与局部残差学习,有效地解决了梯度消失与网络参数的增长,提升了模型对图像特征的选择与提取能力,减少了训练时间.实验结果表明,深度残差网络在图像混合噪声去除中效果显著,本文提出的算法得到的去噪图像更好地恢复图像的原始结构,信息丰富,对比度高,鲁棒性强,并且可以更好地保持图像的细节.
- 深度残差网络 /
- 混合噪声去除 /
- 梯度消失 /
- 残差学习

参考文献(0)

资源附件(0)

计量

文章访问数: 118
HTML全文浏览量: 16
PDF下载量: 18
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回