基于深度學(xué)習(xí)的圖像去噪算法.pdf

1、圖像去噪是圖像處理的基本問題之一，經(jīng)過多年的研究，目前的圖像去噪算法對(duì)于噪聲強(qiáng)度較弱時(shí)已經(jīng)能夠達(dá)到很好的性能。然而在高噪聲的環(huán)境下，由于信噪比低，圖片內(nèi)可利用的信息不足，這些算法的性能會(huì)迅速下降。
　　基于神經(jīng)網(wǎng)絡(luò)的圖像去噪算法通過學(xué)習(xí)自然圖像的統(tǒng)計(jì)特性，借助外部信息來為去噪過程服務(wù)，十分適合高噪聲環(huán)境下的去噪任務(wù)。然而近年來深度學(xué)習(xí)的研究表明，傳統(tǒng)的基于S形函數(shù)的神經(jīng)網(wǎng)絡(luò)存在著一定的局限性，這些局限性限制了算法性能的提高。

2、>　　本文以神經(jīng)網(wǎng)絡(luò)的工具為基礎(chǔ)，結(jié)合圖像去噪問題的特性詳細(xì)探討了網(wǎng)絡(luò)參數(shù)的設(shè)置以及訓(xùn)練的技巧。并提出使用線性整流函數(shù)代替S形函數(shù)作為神經(jīng)網(wǎng)絡(luò)隱藏層的激活函數(shù)以進(jìn)一步增強(qiáng)神經(jīng)網(wǎng)絡(luò)解決去噪問題的能力。實(shí)驗(yàn)表明通過更好地識(shí)別自然圖像中的模式，我們的模型和傳統(tǒng)的使用S形單元的模型相比可以在更短的時(shí)間內(nèi)達(dá)到更好的效果。在與現(xiàn)有的其它優(yōu)秀去噪算法的比較中，我們的算法取得了十分有競(jìng)爭(zhēng)力的結(jié)果，尤其在高噪聲環(huán)境下性能十分優(yōu)異，在消除噪聲的同時(shí)很好地保