结合噪声掩模训练和最近邻搜索机制的轻量级椒盐去噪

作者：黄成强^*; 金星

来源：液晶与显示, 2023, 38(09): 1234-1247.

• 椒盐噪声
• 噪声掩模
• 轻量级卷积神经网络
• 最近邻搜索
• 深度学习

随着图像处理应用在各新兴领域的不断扩展，高性能椒盐去噪仍然是一项具有挑战性的任务。本文提出了一种结合噪声掩模训练和最近邻搜索机制的椒盐去噪方法。首先，搭建一个包含9个卷积层的轻量级神经网络，用于生成高质量的噪声掩模。接着，根据该噪声掩模的噪点标记结果，正常像素不作处理，通过最近邻搜索机制寻找与噪点最相邻的正常像素灰阶替代噪点灰阶。本文提出了一种用于噪点标记的轻量级卷积神经网络。在降低网络深度的同时，在中间层采用深度可分离卷积代替常规卷积，这两个因素使得运算复杂度和参数量得到数量级的降低。另外，提出了一种基于最近邻搜索机制的去噪方法，提升了去噪性能。实验结果表明，所提出网络的运算复杂度比传统网络有数量级的降低，训练所得噪声掩模的误判率分别比极点标记、均值标记和极值图像块标记分别降低了94.79%、94.79%和83.65%。此外，去噪图像的峰值信噪比相比于传统卷积神经网络方法的处理结果提升了2.53%，信息损失降低了6.76%。本文首次将轻量级卷积神经网络应用于椒盐去噪，降低了网络的复杂度，提升了去噪性能。

• 单位
  遵义师范学院