基于残差密集卷积自编码的高噪声图像去噪方法

基于残差密集卷积自编码的高噪声图像去噪方法
张杰;卢淼鑫;李嘉康;徐大勇;黄雯潇;史小平
【期刊名称】《计算机科学》
【年(卷),期】2024(51)S01
【摘要】在高噪声图像去噪中,传统卷积自编码器难以挖掘有效的深度特征信息,进而影响了图像的重建质量。

为了提高高噪声图像的重建质量,提出了一种残差密集卷积自编码器网络模型。

该模型首先使用卷积操作代替池化操作以提高高噪声图像的表征能力;同时,在编码和解码阶段设计三级密集残差网络结构,实现图像特征的有效挖掘;最后,设计一个优化损失函数以进一步提高重建图像的质量。

实验结果表明,设计的去噪方法能够从高噪声图像中重建高质量的图像,同时能够保留更多的细节特征信息,有效验证了该算法在图像去噪中的有效性。

该方法能够有效解决高噪声图像的去噪问题,具有重要的应用价值。

【总页数】7页(P555-561)
【作者】张杰;卢淼鑫;李嘉康;徐大勇;黄雯潇;史小平
【作者单位】郑州轻工业大学电气信息工程学院;中国烟草总公司郑州烟草研究院烟草工艺重点实验室;哈尔滨工业大学控制与仿真中心
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.结合残差密集块的卷积神经网络图像去噪方法
2.残差卷积自编码网络图像去噪方法
3.残差密集块的卷积神经网络图像去噪
4.基于密集扩张卷积残差网络的地震数据随机噪声压制方法
5.基于残差学习的非对称卷积神经网络图像去噪方法
因版权原因，仅展示原文概要，查看原文内容请购买。