一种改进的深度卷积神经网络图像去噪算法

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BM3 D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.

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

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2020-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：247-252