基于多级残差信息蒸馏的真实图像去噪方法

2024-03-21 08:15:16冯妍舟刘建霞王海翼冯国昊白宇
计算机工程 2024年3期
关键词:特征信息模型

冯妍舟,刘建霞,王海翼,冯国昊,白宇

(太原理工大学电子信息与光学工程学院,山西 晋中 030600)

0 引言

图像去噪是图像处理领域至关重要的问题之一,在生产和生活中有着广泛应用。由于传感器具有一定的物理特性,因此在数字成像过程中不可避免地引入噪声,尤其在某些极端场景下,如暗光、夜景拍摄时,得到的图像往往伴随大量噪声,严重影响视觉质量。许多用于图像识别、图像分割、目标检测等任务的图像因硬件设备和采集环境的限制,导致得到的图像中往往包含大量噪声,严重影响高级视觉任务的精度,因此图像去噪常作为某些图像处理任务的预处理步骤[1]。因此,对含噪图像进行快速高效的图像恢复有着重要意义。

传统的图像去噪方法包括均值滤波[2]、中值滤波[3]和非局部均值滤波[4]等空间域去噪方法,以及傅里叶变换滤波[5]、小波变换滤波[6]等变换域去噪方法。均值滤波取邻域内像素的均值代替中心点的像素值,导致边缘等具有高频分量的区域模糊。中值滤波对窗口中的像素排序,取中值代替中心像素值,其对椒盐噪声抑制效果较好,但是会造成弱纹理区域轮廓模糊,且去噪效果随窗口的增大而减弱。与局部滤波方法不同,非局部均值滤波通过比较不同区域之间的像素相似性对中心像素进行滤波,能够更好地保留局部细节,但需要很长的计算时间和大量的存储空间,对于亮度和颜色变化大的图像去噪效果不佳。……

登录APP查看全文

猜你喜欢
特征信息模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
订阅信息
中华手工(2017年2期)2017-06-06 23:00:31
3D打印中的模型分割与打包
展会信息
中外会展(2014年4期)2014-11-27 07:46:46
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
健康信息
祝您健康(1987年3期)1987-12-30 09:52:32
健康信息(九则)
祝您健康(1987年2期)1987-12-30 09:52:28