基于自编码器的图像去噪设计与实现
陈
琦,潘伟民
【摘
要】
文章主要针对自然图像中存在的噪声问题,研究基于神经网络的去噪
方法,使之能够更快速地对混合有多种噪音的图像进行有效去噪,从而达到改
善图像视觉效果的目的。首先,文章设计一个能够对图像进行编码、解码的神
经网络。其次,介绍神经网络的详细结构和网络参数,并针对常见的图像噪声
介绍制作训练样本的方法和神经网络的训练流程。最后,展示实验结果。实验
表明,文章提出的方法可以有效地去除图像噪声,达到预期效果。
【期刊名称】
新疆师范大学学报(自然科学版)
【年
(
卷
),
期】
2018(037)002
【总页数】
6
【关键词】
椒盐噪声;高斯噪声;图像去噪;神经网络;自编码器
随着数字信息时代的到来,尤其是计算机技术的迅速发展以及图像数字化设备
普及程度的提高,人们接收到越来越多的多媒体信息[
1
]
。据统计,其中
70%
是来自图像的视觉信息[
2
]
。但图像在数字化过程中,会不可避免地遭受噪声
污染,这将使得图像质量恶化。这些噪声不仅降低了人们阅读图像的主观体验,
而且会对计算机图像识别带来负面影响[
3
]
。因此,在图像处理领域,图像去
噪研究成了一个非常热门且十分重要的研究方向[
4
]
。
传统去噪方法通常是使用滤波器对图像噪声进行滤除,例如中值滤波算法可有
效地滤除椒盐噪声,均值滤波算法则适用于滤除高斯噪声,但这些滤波算法通
常只对特定的噪声模型有效[
5
]
。实际情况中图像很可能被不同类型的噪声污
染[
6
]
。所以传统的去噪方法不具有通用性。文章基于深度神经网络的图像去