【《图像去噪中CBDNet算法原理与去噪效果分析案例》970字】_第1页
【《图像去噪中CBDNet算法原理与去噪效果分析案例》970字】_第2页
【《图像去噪中CBDNet算法原理与去噪效果分析案例》970字】_第3页
【《图像去噪中CBDNet算法原理与去噪效果分析案例》970字】_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

图像去噪中CBDNet算法原理与去噪效果分析案例目录TOC\o"1-3"\h\u6505图像去噪中CBDNet算法原理与去噪效果分析案例 167991.1CBDNet去噪原理 176641.2CBDNet去噪测试 276141.3测试神经网络对现实照片的去噪性能 2考虑到DnCNN和FFDNet两种网络模型都是基于非盲去噪的，对于真实图像的去噪不稳定。因此，本章给出了CBDNet模型作为图像盲去噪神经网络模型，并对其进行测试。最后利用CBDNet模型对两张手机拍摄的照片进行去噪。1.1CBDNet去噪原理（1）CBDNet网络模型CBDNet包含了两个子网络：噪声估计子网络和非盲去噪子网络。图5-1CBDNet去噪模型噪声估计子网络由5层全卷积网络构成。卷积核大小为3×3，通道数为32。每层卷积层均采用ReLU函数作为激活函数。非盲去噪子网络使用了16层的U-Net结构。该网络是一种全卷积网络，卷积核为3×3，网络中没用全连接操作,同时采用了对称跳跃连接，非盲去噪子网络运用了残差学习的方式，通过学习残差图像来恢复去噪图像。CBDNet网络去噪流程为：首先，噪声估计子网络将噪声观测图像转换成估计的噪声水平图，之后非盲去噪子网络噪声观测图和噪声水平图同时作为输入，在输出端得到最终的去噪效果图。真实噪声模型为了在测试去噪效果时通过计算其性能指标定量分析，本文使用对清晰图像人为添加类似真实噪声生成的图像进行测试。真实图像噪声采用异方差高斯噪声，其表达式为：~（19）其中：（20）式中为伴随图像信号存在得噪声方差，为固定噪声。1.2CBDNet去噪测试对DND数据集进行去噪图5-2噪声图（左）、去噪图（右）图中可以看出CBDNet去噪效果满足要求，肉眼可见的噪声基本全部去除，但是对一幅图像进行去噪的运行时间达到了258秒，速度较慢。造成这种情况的主要原因与CBDNet的网络结构有关，其噪声估计子网络生成噪声水平估计图，这个阶段较耗时。1.3测试神经网络对现实照片的去噪性能本节采用了2张自己手机拍摄的照片进行去噪处理，测试网络的鲁棒性。图5-3含噪图像（左）、去噪图像（右）表5-1照片去噪前后指标噪声图去噪图PSNR23.227127.6986SSIM0.67900.8278图5-4含噪图像（左）、去噪图像（右）表5-2照片去噪前后指标噪声图去噪图PSNR22.106121.7965SSIM0.64860.7819图5-3和图5-4展示了利用CBDNet模型对手机拍摄的照片的去噪效果，表5-1和表5-2分别计算了两者去噪前后的PSNR和SSIM。从CBDNet对两幅图像的去噪处理结果可以定性看出，此网络能够去除一定程度的实际图像所含噪声。从两表中可以看出，去噪后的PSNR显著

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论