基于卷積神經(jīng)網(wǎng)絡的圖像去噪方法研究.pdf

1、在日常學習或生活中，圖像無處不在，是人類社會活動中最常用的信息載體。在獲取和傳輸過程中，圖像會受到多種噪聲的干擾，從而對后續(xù)的圖像識別或醫(yī)學診斷產(chǎn)生影響。圖像去噪旨在保留圖像原始信息的同時，降低或去除噪聲對圖像的影響，從而獲取理想的視覺效果。因此在對圖像數(shù)據(jù)進行分析和應用之前，采用去噪技術修復受損圖像是非常重要而且不可或缺的一步。
　　目前存在的去噪方法主要分為空域和頻域兩類?？沼騼?nèi)的去噪方法大都是在各種濾波器如均值濾波器、中值濾

2、波器的基礎上進行的改進或創(chuàng)新，頻域內(nèi)的去噪方法則都是基于小波變換或Contourlet變換。作為一種深度神經(jīng)網(wǎng)絡，卷積神經(jīng)網(wǎng)絡已經(jīng)成功地應用到計算機視覺領域。然而目前應用多數(shù)集中在模式識別領域，用于圖像分類、識別和目標檢測等。在圖像處理領域，卷積神經(jīng)網(wǎng)絡多被用于提高圖像分辨率，去除圖像中的模糊、污點等。
　　作為神經(jīng)網(wǎng)絡的一個經(jīng)典模型，卷積神經(jīng)網(wǎng)絡在模式識別領域功不可沒，但在圖像去噪中的應用則是少之又少。卷積神經(jīng)網(wǎng)絡中的卷積層用于

3、提取圖像特征，采樣層則大幅度降低了網(wǎng)絡的結構參數(shù)。基于卷積神經(jīng)網(wǎng)絡的這種結構特點及工作原理，本文提出了一種基于卷積神經(jīng)網(wǎng)絡的圖像去噪方法。與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡相比，本文使用的卷積網(wǎng)絡結構中只包括卷積層，而沒有采樣層，去噪過程包括圖像塊提取、非線性映射和圖像重建三個過程，直接實現(xiàn)了噪聲圖像到干凈圖像的一種端到端的映射，該研究的實現(xiàn)擴大了卷積神經(jīng)網(wǎng)絡在圖像處理上的應用。文中主要使用高斯白噪聲圖像作為輸入，并與當前的類似方法進行比較。除此之外