科研之友
微信
新浪微博
Facebook
分享链接
摘要
前馈去噪卷积神经网络（DnCNN）拥有较为优异的图像去噪表现。然而，仅采用3×3依次相连的卷积核使得感受野在浅层受限，无法获得图片更多的特征信息。针对这一不足，提出一种Concatenate’s Convolutional Neural Network(CCNN)图像去噪模型。新模型使用3×3、5×5、7×7和9×9并联卷积核组成一个Concatenate block，并且自适应确定最佳网络层数。为了使得网络的特征信息不容易丢失，以及保留图像的浅层信息，加入了浅层到深层的残差激励；加入了全局残差学习，可以让网络直接提取含噪图像中的噪声信息，使得网络去噪效果更加优秀；同时为了缓解梯度消失，加速网络收敛，使用批量规范化（Batch Normalization）和非线性激活函数（ReLU）。在公开数据集中对比其他优秀方法表明，论文提出的模型去噪效果更加明显。
- 单位
