论文摘要
为了更好地去除图像中的噪声,提出了一种改进的深度卷积神经网络(Dncnn)图像去噪算法。针对现有的Dncnn网络参数量大,对Dncnn网络的第2～16层进行了改进,使网络参数量降低1/3后,仍能保持和Dncnn一样的训练效果。在此基础上,对网络底层的低级语义信息和高层的高级语义信息进行了特征融合,使得网络训练更平稳,并能达到更好的训练效果。实验结果表明无论与图像去噪领域公认最好的去噪算法BM3D相比,还是与深度学习领域先进的图像去噪算法Dncnn相比,改进的Dncnn都有更好的表现。
论文目录
文章来源
类型: 期刊论文
作者: 白瑞君,李众,张启尧,刘方涛
关键词: 图像去噪,网络参数,低级语义信息,高级语义信息,特征融合
来源: 科学技术与工程 2019年36期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 中北大学软件学院
分类号: TP391.41;TP183
页码: 247-252
总页数: 6
文件大小: 2385K
下载量: 489