基于卷积神经网络的暗光图像去噪算法研究

作者：何涛; 王超^*; 吴贵铭

来源：传感器与微系统, 2023, 42(12): 64-67.

DOI：10.13873/J.1000-9787(2023)12-0064-04

• 卷积神经网络
• 图像去噪
• 暗光增强
• 自编码器
• 残差学习

针对暗光图像往往存在大量分布不均的噪声，极大地影响图像质量，而现有的基于单阶段卷积神经网络(CNN)的模型不能有效去除大量暗区域噪声的问题，提出一种基于CNN的暗光图像去噪算法模型。通过两种尺度的特征映射去噪模块共同构成深层CNN模型，合理运用残差学习与类似自编码器单元有效地重构出去噪图像；采用结构相似性(SSIM)作为损失函数训练模型。实验结果表明：预训练模型在BSD68数据集的峰值信噪比(PSNR)和SSIM值可同时达到25.23 dB和0.927,对自然场景的噪声图像恢复的PSNR和SSIM达到14.03 dB和0.423。本文模型对高斯白噪声和暗光条件的去噪效果显著，对自然暗光场景图像有着较好的对比度恢复和去噪效果。

• 单位
  湖北工业大学