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

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

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