基于改进型生成对抗网络的图像去噪方法

作者：黄梦然

来源：计算机与数字工程, 2022, 50(01): 201-205.

• 生成对抗网络
• 生成器
• 判别器
• 图像去噪
• 感知损失

图像去噪是一项具有挑战性的任务,其目的是去除附加噪声并保留所有有用信息。现有的方法主要集中在最小化均方误差(MSE),这会导致去噪图像丢失重要细节或在纹理丰富的区域变得过于平滑。因此论文引入生成对抗网络(GAN)用于图像去噪。论文的生成器采用SRDenseNet,很好地缓解了网络梯度易消失的问题,同时感知损失的引入使得对于人眼敏感的图像细节能得到很好的恢复。实验结果表明,论文方法在去噪过程中对细节的保留优于现有的去噪方法。与目前最先进的的去噪方法相比,论文方法得到的去噪结果更清晰,同时蕴含更多的细节。