基于深度残差网络的强辐照图像去噪方法研究
2019-08-14胡浩行刘理想
仪表技术与传感器 2019年7期
李 婷,张 静,2,王 姮,张 华,胡浩行,刘理想
(1.西南科技大学信息工程学院,四川绵阳 621000;2.中国科学技术大学信息科学技术学院,安徽合肥 230026)
0 引言
在强辐照环境下的工程作业任务中,一般通过遥操作机器人上携带的CCD相机获取现场视频或图像信息。清晰的现场视频图像可保障作业任务高效地完成。然而,CCD相机在强辐照环境下受到高能粒子影响后,产生的辐照损伤效应[1]会导致获取的视频信息含有严重的污染噪声,极大地影响了作业效率。因此图像去噪工作至关重要。传统的去噪算法如中值滤波算法、曲波变换和小波变换法等对去除图像中的高斯噪声效果良好,但对于辐照环境下受污染图像去噪受到了限制[2]。由于辐照图像的噪声具有复杂性,传统的噪声处理方法在改善图像质量的同时也使得很多细节信息如物体边缘变得模糊,反而使图像质量降低[3]。目前,卷积神经网络作为一种典型的深度学习方法,具有自动提取图像特征、权值共享等优良特性,在图像去噪领域得到了广泛的应用[4]。Divakar N等人提出了卷积神经网络的图像盲去噪模型,不需要先验信息,输入为含噪图像,输出为清晰图像[5]。但是大多数用于图像去噪的神经网络层数都比较多,这会导致模型涉及大量的参数,计算成本很高,耗时长。He K等人提出了深度残差学习,减少了对网络的训练时间的同时,也解决了网络层数过多难以训练等问题[6]。同时,残差学习在图像处理方面可靠性也得到了验证[7-8]。……
登录APP查看全文
