Denoising process for image impulse noise based on dual-channel neural networks

doi:10.13741/j.cnki.11-1879/o4.2021.04.021

您当前的位置：

首页 >

文章列表页 >

Denoising process for image impulse noise based on dual-channel neural networks

更新时间：2025-09-01

- Denoising process for image impulse noise based on dual-channel neural networks
- Vol. 47, Issue 4, Pages: 507-512(2021)
- 作者机构：
  
  1:江苏商贸职业学院电子与信息学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.04.021
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Denoising process for image impulse noise based on dual-channel neural networks[J]. 2021, 47(4): 507-512.
DOI：

Denoising process for image impulse noise based on dual-channel neural networks[J]. 2021, 47(4): 507-512. DOI： 10.13741/j.cnki.11-1879/o4.2021.04.021.

摘要

脉冲噪声是成像过程中的一个主要噪声源

传统的滤波器难以有效消除高密度的脉冲噪声。针对这一问题

提出了一种基于非对称并行神经网络的图像脉冲噪声降噪算法。算法利用隐写分析丰富模型提取图像的噪声卷积特征图;将原图像特征图与噪声卷积特征图分别送入两个相同的卷积神经网络进行处理;结合l_1损失与l_2损失作为神经网络的总代价函数

同时利用了l_1损失的高视觉效果与l_2损失的强收敛性。实验结果表明:提出的降噪算法在各密度下的降噪性能均优于基于滤波器的降噪算法

对于高密度脉冲噪声也具有明显优势。

Abstract

关键词

Keywords

references

Views

143

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Brain image registration method based on low-resolution auxiliary features and convolutional neural network

Concealed object detection from millimeter wave images based on DSA-BCNN

Surface defect detection of polarizer based on improved Faster-RCNN

Visible/Near infrared spectroscopy modeling of soil nitrogen content based on PSO-CNN

Related Author

康拥朝

刘浩

皮伟强

杨红艳

毕玉革

张锡鹏

王远军

薛湛琦

Related Institution

1:内蒙古农业大学机电学院

1:上海理工大学医学影像工程研究所

3:擎翌(上海)智能科技有限公司

2:上海第二工业大学文理学部

1:上海理工大学光电信息与计算机工程学院

⁰