基于Inception模块的卷积自编码器图像去噪

雷景生 闫晨阳 杨忠光

(上海电力大学计算机科学与技术学院 上海 200082)

0 引 言

随着计算机技术和互联网技术的飞速发展，人们的日常生活充满着各种各样的信息。调查研究发现，在人类所有获取的外界信息中，视觉系统获取的占70%以上[1]，因此对图像信息的获取、处理和使用显得尤为重要。图像去噪是一个图像处理领域的重要研究课题，是在去除噪声的同时尽量把图像中的重要信息保留下来。数字图像处理一般可分为基于空间域的处理与基于变换域的处理[2]。基于空间域的去噪方法是在原始图像的像素灰度空间上作运算，对像素的灰度值直接进行处理。常用的方法有均值滤波、中值滤波、基于偏微分的图像去噪等。中值滤波可以有效地滤除椒盐噪声；均值滤波适用于滤除高斯噪声；基于变换域的去噪方法是先对源图像作图像变换，如傅里叶变换、小波变换等。

目前，国内外学者已经提出了很多图像去噪的方法。去噪效果较好的BM3D(Block Matching and 3D)[2]算法是将图像分为一定大小的块，将具有相似特征的块合并为三维数组，采用三维滤波的方法处理三维数组，进行逆变换后获得降噪后的图像。Burger等[3]提出MLP(Multilayer perceptron)模型，其将图像预处理与多层感知器神经网络学习模型结合。Schuler等[4]提出的算法将多层感知机MLP(Multilayer Perceptron)运用于图像去噪。Chen等[5]提出了TNRD(Trainable Nonlinear Reaction Diffusion)模型，对稀疏编码和迭代方法进行展开成为前向反馈网络，取得了很好的图像去噪效果。

近年来的研究表明，自编码器(Auto-Encoder,AE)作为深度学习中一个典型代表，通过无监督学习，主要用来学习给定数据集的压缩、分布式特征表达，从而重构输入数据[6]。……