残差密集块的卷积神经网络图像去噪

作者：李小艳; 宋亚林^*; 乐飞

来源：计算机系统应用, 2022, 31(10): 166-174.

DOI：10.15888/j.cnki.csa.008742

• 图像去噪
• 卷积神经网络(CNN)
• 残差学习
• 残差密集块
• Leaky ReLU激活函数

针对加性高斯白噪声的图像信噪比低,图像细节丢失问题,结合现有卷积神经网络算法,提出了一种基于残差密集块的卷积神经网络图像去噪模型.该模型通过引入多级残差网络和密集连接,并对整体网络使用Leaky ReLU激活函数,去除不同等级强度噪声的同时,更好保留图像的有效信息,有效避免特征丢失.本文提出算法和深度卷积神经网络残差学习(DnCNN)模型对比,本文提出的模型在Set12和BSD68测试集上峰值信噪比平均提升了约0.12 dB,结构相似性平均提升了约0.008 6,通过观察实验效果,表明该模型能够充分提取图像特征,保留图像细节,同时降低网络计算的复杂度.

• 单位
  河南大学