基于深度残差网络的图像混合噪声去除

张福旺, 苑会娟

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

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

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.
  • 期刊类型引用(3)

    1. 江海军,盛涛,郑金华,向苹. 超声红外热成像技术国内研究现状与进展. 红外技术. 2023(10): 1020-1028 . 本站查看
    2. 唐长明,钟剑锋,钟舜聪,陈曼,伏喜斌,黄学斌. 基于改进自适应遗传算法和二维最大熵的超声红外热像缺陷识别. 红外技术. 2020(08): 801-808 . 本站查看
    3. 孙涛,陈昌海. 基于视觉测量方法的Q235钢低周疲劳性能研究. 装备制造与教育. 2019(02): 42-47 . 百度学术

    其他类型引用(14)

计量
  • 文章访问数:  118
  • HTML全文浏览量:  16
  • PDF下载量:  18
  • 被引次数: 17
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日