计算机应用

作者：井贝贝, 郭嘉, 王丽清, 陈静, 丁洪伟

单位：1. 云南大学 信息学院, 昆明 650500;2. 云南省广播电视局 科技处, 昆明 650000

关键词：图像双重盲降噪,降噪卷积神经网络,条件生成对抗网络,生成器,判别器

基金：国家自然科学基金资助项目（61461053）；云南大学服务云南行动计划项目（C176240501007）。

针对图像降噪中降噪效果差、计算效率低的问题，提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先，使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获；其次，将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别；然后，利用判别结果对整个模型的隐层参数进行优化；最后，生成器和判别器在博弈中达到平衡，且生成器的残差捕获能力达到最优。实验结果表明，在Set12数据集上，当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比，基于像素点间误差评价指标，其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB；所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比，结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期