基于改进循环生成对抗网络的图像去噪研究

摘要：

图像去噪研究是图像处理中非常关键的一项技术.目前,常见的图像去噪方法大部分都需要成对的训练数据集,并且所生成的去噪图像大都会在颜色分布、边缘衔接等细节信息上和真实图像存在一定的差异,因此提出了一种基于改进的循环生成对抗网络的图像去噪方法.这种改进方法在原网络的基础上引入了多尺度判别器并提出了新的目标损失函数.其中,新的损失函数引入了像素损失和特征损失,还用Smooth L1范数损失代替了原网络中的L1范数损失.实验结果表明,提出的改进网络相较于原网络的性能有一定提升.和原网络相比,利用改进后的网络进行去噪的图片峰值信噪比从25.24 dB提高到29.02 dB,提高了15.0%;结构相似性指数从0.862提高到0.956,提高了10.9%.

关键词：循环生成对抗网络、损失函数、多尺度判别器、图像去噪、图像处理、深度学习

所属期刊栏目：59

分类号：TP399(计算技术、计算机技术)

资助基金：四川省科技厅国际/港澳台科技创新合作项目2022YFH0018

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：178-186