自适应的快速盲降噪算法研究

发布时间：2021-10-07 11:28

　　现有性能较好的降噪算法大都属于所谓的非盲降噪算法,它们往往需要依赖能够描述图像受噪声干扰严重程度的入口参数（即噪声水平值）以获得最佳降噪性能。噪声水平评估算法（noise level estimation,NLE）作为这类降噪算法的前置模块,其执行效率和预测准确性是影响整个降噪算法性能好坏的两个重要评价指标。现有大部分NLE算法均采用基于单张图像的实现策略（single-image based NLE,SNLE）,由于缺乏可利用的先验信息,这些算法不得不设计复杂的处理过程以获得关于噪声图像的准确噪声水平估计,从而导致算法的执行效率不高,进而影响整个降噪算法的执行效率。因此,为了解决现有所谓非盲降噪算法的降噪效果受限于噪声水平值参数这一缺陷,本课题开展了相应研究。首先,受到基于卷积神经网络（convolutional neural network,CNN）技术路线的NLE算法的启发,提出一种基于CNN提取卷积特征作为噪声水平感知特征（noise level-aware feature,NLAF）的多图像噪声水平评估算法（CNN and multi-image based NLE,CNNM... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图２．１?ＤｎＣＮＮ网络架构??

?第２章相关工作???升。??■ｆｔｌ＿＿??图２．２ＦＦＤＮｅｔ网络架构??ＦＦＤＮｅｔ的网络结构如图２．２所示。第一层是可逆下釆样层，它将噪声图像??ｊ缩小为四个下采样子图像。接着将可人工调整的噪声水平矩阵Ｍ?（对于噪声水??平为〇■的空间不变ＡＷＧＮ高斯噪声，Ｍ是所有元素均为〇■且和下采样图像同??等大小的矩阵）与下采样后的子图像连接起来，形成４Ｃ＋１个大小为输人图像＿ｖ??一半的张量作为第一个ＣＮＮ卷积层的输入。紧接着的非线性映射架构由多个卷??积核大小为３ｘ３的卷积块组成，其中每个卷积块由三种结构组成：卷积层、修??正性单元（ＲｅＬＵ）［４２］和批归一化层（ＢＮ）＾。分别地，在非线性架构中，第一个卷??积块由一个卷积层加一个修正性单元组成，最后一个卷积块只有一个卷积层，??其余卷积块均由一个卷积层、一个修正性单元和一个批归一化层组成。为了保??证输出特征图的大小和输入特征图相等，ＦＦＤＮｅｔ同ＤｎＣＮＮ?—样在每次进行卷??积操作前采用零填充策略。最后，紧接着最后一个卷积层，对输出矩阵施加和??第一层下采样层相对应的下逆操作，以产生与输人图像同等大小的最终降噪图??像ｆ。和ＤｎＣＮＮ不同的是，ＦＴＯｎｅｔ并不采用通过学习图像的噪声达到间接降??噪目的的残差学习策略。另外，由于ＦＦＤＮｅｔ是对下釆样后的子图像进行操作，??因此不必使用增大卷积核的方法来进一步增加感受野大校??２．２．３噪声水平参数对降噪算法性能的彩响??近年来，基于卷积神经网络的降噪算法无论在执行效率上还是降噪效果上，??都具有很强的竞争力。然而，包括ＤｎＣＮＮ、ＦＦＤｎｅｔ在类的众多基于ＣＮＮ技术??路线的降噪算法均依赖于关于噪

?第２章相关工作???瞧咖??（ａ）?（ｂ）?（ｃ）?（ｄ）??图２．３输入不同噪声水平值参数使用ＤｎＣＮＮ算法降噪的降噪图像．ａ）施加＜ｒ＝３０的噪声图??像；ｂ）?ｃｒ＝１０时ＤｎＣＮＮ的降噪图像；ｃ）输人ｃｒ＝３０时ＤｎＣＮＮ的降噪图像；ｄ）输人ｃｘ＝７０时??ＤｎＣＮＮ的降噪图像??２．３噪声水平预测算法??２．３．１?Ｚｏｒａｎ?算法??Ｚｏｒａｎ算法＿是基于单图像先验的经典ＮＬＥ算法，该算法假定未失真图像??的边缘带通滤波器响应分布的峰度值和噪声的严重程度有紧密联系，通过构建??目标函数模型然后迭代搜索目标函数的最优值来估计图像噪声的方差。该算法??模拟了在增加高斯噪声后广义高斯分布随机变量的峰度变化情况。义表示广义??高斯分布随机变量，服从Ｚａ），?ｙ是均值，（７是方差，ａ是该分??布的形状参数。《表示服从均值为〇、方差为ｃｘ？２的独立高斯随机变量。随机变??量Ｆ表示为??Ｙ?＝?Ｘ?＋?ｎ?（２．４）??通过；Ｋ可以计算出峰度值在未失真的图像中，Ｘ代表原始分布的一个局部??系数，《表示添加的噪声，Ｆ是噪声图像的系数分布。该算法将峰度值称为方??差平方的第四中心矩标准化，表示如下：??ｋ?＝?（２．５）??Ｇ??由于噪声的独立性，Ｆ的方差可由〇＾和〇？２得到，表示为??（?２?＼??ｃｊｙ＝ｃｒ２ｘ?ｌ?＋?＾ｆ－?（２．６）??Ｖ?°?Ｘ?Ｊ??ｒ的第四中心矩很容易通过噪声的累积量和独立性得到，??１４??

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[2]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[3]基于均值滤波和小波分析的图像去噪[J]. 史玉林,李飞飞,孙益顶.  电子测量技术. 2008(08)
[4]自适应模糊加权均值滤波器[J]. 胡浩,王明照,杨杰.  系统工程与电子技术. 2002(02)



本文编号：3421955