基于深度卷积神经网络的图像去噪研究

• 作者: 张晋京 李传朋 秦品乐
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 图像去噪 反卷积 深度学习 修正线性单元
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 253-260
• 页数: 8页
• 分类号: TP391.41
• 字数: 7377字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.03.042

摘要

为更有效地去除图像中的噪声,提出一种深度学习的图像去噪方法.以完整图像作为网络的输入及输出图像,通过隐含层构成由含噪声图像到去噪图像的非线性映射,由卷积子网和反卷积子网构成一种对称式的网络结构,卷积子网学习图像特征,反卷积子网根据特征图恢复原始图像,并结合修正线性单元获取更多的纹理细节.以VOC2012数据集作为训练集,使用Tensorflow在GPU环境下训练网络模型.实验结果表明,与GSM,KSVD,CN2,MLP方法相比,该方法能更有效地去除图像中的噪声,获得更高的峰值信噪比,耗时更短,视觉效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李传朋	中北大学计算机与控制工程学院	3	81	3.0	3.0
2	秦品乐	中北大学计算机与控制工程学院	48	248	8.0	13.0
3	张晋京	中北大学计算机与控制工程学院	1	58	1.0	1.0