结合非对称卷积与复合感受野结构的图像降噪方法

摘要

为提高图像降噪精度,在去除图像噪声的同时尽可能保留图像边缘细节,在对多种传统降噪算法以及现代卷积神经网络架构研究的基础上,结合非对称卷积与复合感受野结构,提出一种新的降噪卷积神经网络模型.该模型在多尺度上获得了不同感受野下的图像特征,能更好地学习含噪图像到降噪图像的端到端映射.非对称卷积减少了模型参数量,使其更易于训练与验证.同时,该模型使用的残差学习、批量规范化、ReLU激活函数可加快卷积神经网络的收敛速度并提高其降噪性能.实验结果表明,在标准测试Set12上对图像加入均值为0、标准差为25的高斯噪声进行测试,降噪图像的峰值信噪比均值高达30.64dB.与目前优秀的降噪模型相比,该模型降噪性能良好,适用于多种强度含噪图像的降噪工作.