基于GAN生成对抗网络的图像去噪及去噪原理的探究

梁威鹏 洪盛伟

摘  要：把高频的噪声在傅里叶频谱上和低频的图像很好地分离开。通过一系列高频滤波的理论与技术，达到图像降噪的目的。该文提出了一个基于GAN思想的编码（encoder）-解码（decoder）架构来解决图像去噪的问题。网络由判别网络和生成网络组成，半监督学习从噪声图像到去噪图像的端到端的映射。在生成网络中，在全卷积的情况下，噪声一步步地被消除，最后得到去噪图像。

关键词：图像去噪  GAN  神经网络

中图分类号：TP39   文献标识码：A            文章编号：1672-3791（2019）05（a）-0026-02

在城市夜景拍摄或者星空拍摄中，会产生大量的噪点，这是由于高ISO和弱光散粒形成的随机噪点。图像噪点很大一部分原因是感光元件造成的。例如照片曝光度不足、采取了过高的ISO值等都会导致图像噪点的增多。

根据傅立叶定理，任何一个信号都可以由简谐波相加得到。因此，一个信号可以分解成由多个频率的简谐波相加。组成信号的单个简谐波，被称为信号的一个分量。通过傅立叶变换，可以得到一个信号的不同频率的分量。将各个频率分量的强弱通过图形表示出来，可以得出信号的频谱。如图1是图像处理领域里经典的一张图像，其信号值可以用它的黑白分量代替。右边是该图像对应的傅里叶频谱。明暗程度表示频率分量的振幅强弱。X轴、Y轴分别对应表示图像x方向的频率和y方向上的频率，值得注意的是，频谱的中心位置亮点表示的是低频信号的分量强弱，频谱边缘及四周表示的是高频信号的分量强弱。……