基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法研究.pdf

1、在日常學(xué)習(xí)或生活中，圖像無處不在，是人類社會(huì)活動(dòng)中最常用的信息載體。在獲取和傳輸過程中，圖像會(huì)受到多種噪聲的干擾，從而對(duì)后續(xù)的圖像識(shí)別或醫(yī)學(xué)診斷產(chǎn)生影響。圖像去噪旨在保留圖像原始信息的同時(shí)，降低或去除噪聲對(duì)圖像的影響，從而獲取理想的視覺效果。因此在對(duì)圖像數(shù)據(jù)進(jìn)行分析和應(yīng)用之前，采用去噪技術(shù)修復(fù)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(chǔ)上進(jìn)行的改進(jìn)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(luò)，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成功地應(yīng)用到計(jì)算機(jī)視覺領(lǐng)域。然而目前應(yīng)用多數(shù)集中在模式識(shí)別領(lǐng)域，用于圖像分類、識(shí)別和目標(biāo)檢測(cè)等。在圖像處理領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)多被用于提高圖像分辨率，去除圖像中的模糊、污點(diǎn)等。
　　作為神經(jīng)網(wǎng)絡(luò)的一個(gè)經(jīng)典模型，卷積神經(jīng)網(wǎng)絡(luò)在模式識(shí)別領(lǐng)域功不可沒，但在圖像去噪中的應(yīng)用則是少之又少。卷積神經(jīng)網(wǎng)絡(luò)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(luò)的結(jié)構(gòu)參數(shù)?；诰矸e神經(jīng)網(wǎng)絡(luò)的這種結(jié)構(gòu)特點(diǎn)及工作原理，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法。與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比，本文使用的卷積網(wǎng)絡(luò)結(jié)構(gòu)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(gè)過程，直接實(shí)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(shí)現(xiàn)擴(kuò)大了卷積神經(jīng)網(wǎng)絡(luò)在圖像處理上的應(yīng)用。文中主要使用高斯白噪聲圖像作為輸入，并與當(dāng)前的類似方法進(jìn)行比較。除此之外