基于循环神经网络的多阶段图像去噪方法

林煌伟，陈钧荣，牛玉贞，2

1(福州大学 数学与计算机科学学院，福州 350105)2(空间数据挖掘与信息共享省部共建教育部重点实验室，福州 350105)

1 引 言

近年来，随着科技的进步和拍摄设备的普及，人们越来越倾向于用图像来获取信息，但是在图像的采集过程中，常常由于相机抖动、信号扰动等一些外界因素的干扰，导致捕获到的图像质量不佳，出现噪声以及细节丢失等问题，极大的影响了对图像后续的分析处理工作，这就要求对质量不佳的图像进行重建来恢复出高质量的图像内容.

为了解决上述问题，研究者们提出了许多图像重建的方法，图像去噪就是针对图像中出现噪声的问题提出的，研究内容为从一张含有噪声的低质量图片中通过一些技术手段重建恢复出高质量的无噪声的图像.图像噪声有很多种，主要被分为高斯白噪声、椒盐噪声、泊松噪声、脉冲噪声和真实噪声等[1]，如图1所示，图1(a)、图1(b)为含有噪声的图像，可以看出，噪声图像中纹理细节丢失严重，导致图像模糊不清.目前，研究者们对图像去噪的研究方法可大体分为两类，即传统的方法和基于深度学习的方法.

常用的传统去噪方法有空域像素特征去噪算法[1-3]，变换域去噪算法[4-6]以及结合空域和变换域的去噪算法[7]等.这些传统的去噪方法往往计算复杂且存在纹理丢失等问题，导致无法应用到实际生活中.近年来，随着深度学习的发展，越来越多的基于卷积神经网络的图像去……