基于轻量深度残差网络的图像多类型噪声去除算法

秦 毅 赵二刚

1(重庆电子工程职业学院人工智能与大数据学院 重庆 401331)

2(南开大学电子信息与光学工程学院 天津 300071)

0 引 言

目前，大多数情况下的图像在采集或传输过程中存在引入噪声的情况，降低了图像的质量。由于受到不同传输路径或者传感器等因素的影响，含噪图像中的噪声类型也不同，甚至同一幅图像中存在多种噪声类型[1]。常见的图像噪声类型包括高斯白噪声、泊松噪声及泊松-高斯噪声等[2]。为了提高图像视觉效果和后续图像处理的准确率，图像去噪技术成为广大科研人员研究的热点问题。

对于含噪图像，先检测噪声的类型，然后利用不同的针对算法进行噪声消除。现有的噪声消除方法有很多，大致分为基于空间域、基于变换域和基于学习三类。基于空间域去噪算法[3]可以得到较高的峰值信噪比，但在边缘信息和纹理细节方面保留较少；基于变换域去噪算法[4]可以很好地保留图像的几何信息，但是其计算较为复杂，计算时间较长；基于学习的方法是将深度神经网络用于图像去噪，从而实现保留边缘纹理信息的同时提高去噪精度。Remez等[5]提出了一种新的完全卷积深度神经网络结构，通过引入网络类感知来提高高斯或泊松噪声的去噪能力。Zhang等[6]构建了一个20层前馈卷积神经网络，利用残差学习和批量归一化来加速训练过程，提高盲高斯去噪的性能。Tai等[7]设计了一种新的神经网络MemNet，使用特征映射连接和跳过连接模块来进行图像超分辨率、高斯去噪。……