期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用双通道卷积神经网络构建的随机脉冲噪声深度降噪模型
被引量：
1
1
作者
徐少平
林珍玉
+2 位作者
崔燕
刘蕊蕊
杨晓辉
《电子与信息学报》
EI
CSCD
北大核心
2020年第10期2541-2548,共8页
为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感...
为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感知特征矢量。其次,利用预先训练好的深度置信网络(DBN)预测模型实现特征矢量到噪声标签的映射,完成对噪声图像中噪声点的检测。再次,在噪声检测标签的指示下采用Delaunay三角剖分插值算法快速修复噪声像素点从而获得初步复原图像。最后,将初步复原图像作为参考图像与噪声图像联接(concatenate)后输入D-DnCNN模型后获得残差图像,将参考图像减去残差图像即可获得降噪后图像。实验数据表明:D-DnCNN模型在各个噪声比例下的降噪效果均显著超过了现有的经典开关型RVIN降噪算法,与普通的单通道RVIN深度降噪模型相比也有较大幅度提升。
展开更多
关键词
图像处理
随机脉冲噪声
双通道
降噪
卷积
神经网络
参考图像
噪声感知特征
噪声检测
插值
下载PDF
职称材料
题名
采用双通道卷积神经网络构建的随机脉冲噪声深度降噪模型
被引量：
1
1
作者
徐少平
林珍玉
崔燕
刘蕊蕊
杨晓辉
机构
南昌大学信息工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第10期2541-2548,共8页
基金
国家自然科学基金(61662044,61163023)
江西省自然科学基金(20171BAB202017)。
文摘
为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感知特征矢量。其次,利用预先训练好的深度置信网络(DBN)预测模型实现特征矢量到噪声标签的映射,完成对噪声图像中噪声点的检测。再次,在噪声检测标签的指示下采用Delaunay三角剖分插值算法快速修复噪声像素点从而获得初步复原图像。最后,将初步复原图像作为参考图像与噪声图像联接(concatenate)后输入D-DnCNN模型后获得残差图像,将参考图像减去残差图像即可获得降噪后图像。实验数据表明:D-DnCNN模型在各个噪声比例下的降噪效果均显著超过了现有的经典开关型RVIN降噪算法,与普通的单通道RVIN深度降噪模型相比也有较大幅度提升。
关键词
图像处理
随机脉冲噪声
双通道
降噪
卷积
神经网络
参考图像
噪声感知特征
噪声检测
插值
Keywords
Image processing
Random-Valued Impulse Noise(RVIN)
Dual-channel Denoising Convolutional Neural Network(D-DnCNN)
Reference image
Noise-aware feature
Noise detection
Interpolation
分类号
TN911.73 [电子电信—通信与信息系统]
TP391 [电子电信—信息与通信工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用双通道卷积神经网络构建的随机脉冲噪声深度降噪模型
徐少平
林珍玉
崔燕
刘蕊蕊
杨晓辉
《电子与信息学报》
EI
CSCD
北大核心
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
