-
题名采用多通道浅层CNN构建的多降噪器最优组合模型
被引量：1
- 1
-
-
作者
徐少平
林珍玉
陈孝国
李芬
杨晓辉
-
机构
南昌大学数学与计算机学院
南昌大学信息工程学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第11期2797-2811,共15页
-
基金
国家自然科学基金(62162043,62162042,61662044)
江西省自然科学基金(20171BAB202017)资助。
-
文摘
现有的一致性神经网络(Consensus neural network,CsNet)利用凸优化和神经网络技术将多个降噪算法(降噪器)输出的图像进行加权组合(融合),以获得更好的降噪效果,但该优化模型在降噪效果和执行效率方面仍有较大改进空间.为此,提出一种基于轻量型多通道浅层卷积神经网络(Multi-channel shallow convolutional neural network,MSCNN)构建的多降噪器最优组合(Optimal combination of image denoisers,OCID)模型.该模型采用多通道输入结构直接接收由多个降噪器输出的降噪图像,并利用残差学习技术合并完成图像融合和图像质量提升两项任务.具体使用时,对于给定的一张噪声图像,先用多个降噪器对其降噪,并将降噪后图像输入OCID模型获得残差图像,然后将多个降噪图像的均值图像与残差图像相减,所得到图像作为优化组合后的降噪图像.实验结果表明,与CsNet组合模型相比,网络结构更为简单的OCID模型以更小的计算代价获得了图像质量更高的降噪图像.
-
关键词
多降噪器最优组合
一致性神经网络
多通道浅层卷积神经网络
降噪效果提升
执行效率
-
Keywords
Optimal combination of image denoisers(OCID)
consensus neural network(CsNet)
multi-channel shallow convolutional neural network(MSCNN)
denoising effect promotion
execution efficiency
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
