声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：徐少平,刘婷云,罗洁,张贵珍,唐祎玲,
关键词：图像降噪, 高斯-脉冲混合噪声, 图像质量感知, 噪声模式分类字典, 卷积神经网络, 执行效率,
现有的高斯-脉冲混合噪声降噪算法多基于正则化技术采用迭代求解最优目标函数值的方式实现，执行效率普遍比较低，严重限制了其实际应用范围.为此，以卷积神经网络(convolutionalneuralnetwork,CNN)为核心技术提出了一种基于图像质量感知的快速盲降噪算法(imagequality-awarefastblinddenoisingalgorithm,IQA-FBDA).在训练阶段，首先基于浅层CNN卷积神经网络设计图像质量评估模型来预测待降噪图像的图像质量值;然后，依据在大量噪声图像训练集合上获得的图像质量值统计分布规律构建混合噪声模式分类字典;最后，基于该分类字典将噪声图像集合划分为16个子集并训练与各个子集相匹配的深层CNN卷积神经网络专用降噪模型.在降噪阶段，首先利用图像质量评估模型估计给定待降噪图像的质量值，然后依据所预测的图像质量值查找噪声模式分类字典并调用与之相匹配预先训练好的深层CNN降噪模型即可快速地完成盲降噪任务.实验数据表明：IQA-FBDA算法在降噪效果方面的性能达到了与主流高斯-脉冲混合噪声降噪算法相当的水平，而在执行效率方面则有极大提高，更具实用价值.
来源：2019年第11期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。