计算机应用

作者：靳华中, 张修洋, 叶志伟, 张闻其, 夏小鱼

单位：湖北工业大学 计算机学院，武汉 430068

关键词：图像去噪,去噪卷积神经网络,反卷积,U-Net,残差学习

针对图像去噪中的去噪效果差、训练周期长的问题，提出一种基于近似U型网络结构的图像去噪模型。首先，使用不同步长的卷积层将原有的线性网络结构修改为近似U型的网络结构；然后，将不同感受野的图像信息叠加以尽可能地保留图像的原有信息；最后，引入反卷积网络层进行图像恢复和噪声的进一步去除。在Set12与BSD68测试集上与去噪卷积神经网络（DnCNN）模型相比，所提模型的峰值信噪比（PSNR）平均提升了0.04~0.14 dB，训练时长平均缩短了41%。实验结果表明，所提模型具有更好地去噪效果和更短的训练时长。

来源：2022年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第8期