深度卷积神经网络降噪模型的技术瓶颈与研究展望

• 作者: 刘婷云 张贵珍 徐少平 李崇禧 林珍玉
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 综述 图像降噪 深度卷积神经网络 瓶颈问题 感受野 数据依赖 参数空间
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 学者观点
• 页码范围: 1207-1214
• 页数: 8页
• 分类号: TP391.41
• 字数: 7038字
• 语种: 中文

摘要

现有的深度卷积神经网络(DCNN)图像降噪模型受其技术路线内在固有特性的制约,降噪性能仍然有待进一步改进.为了推动现有DCNN图像降噪模型技术的发展,需要正视并及时解决制约其进一步完善的瓶颈问题.本文简要概述了传统的基于自然图像非局部自相似性、稀疏性和低秩性这3种先验知识设计的图像降噪算法的技术路线特点和优缺点,从传统图像降噪算法存在的问题中引出基于DCNN构建图像降噪模型的技术优势,并梳理并总结了DCNN降噪模型未来的发展瓶颈,就相应的解决方案(研究方向)进行详细讨论.通过深入分析发现,可以从扩大卷积核的感受野、降低网络参数与训练集之间的依赖关系以及充分利用DCNN网络的建模能力这3个角度入手,突破现有基于数据驱动的DCNN降噪模型的瓶颈制约,把图像降噪算法的研究水平推向新的高度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐少平	南昌大学信息工程学院	85	417	11.0	17.0
2	刘婷云	南昌大学信息工程学院	12	4	1.0	1.0
3	张贵珍	南昌大学信息工程学院	6	1	1.0	1.0
4	林珍玉	南昌大学信息工程学院	7	1	1.0	1.0
5	李崇禧	南昌大学信息工程学院	11	7	1.0	2.0