多尺度对称压缩伪影去除神经网络

2023-07-21卜东寒李志宏王安红赵利军

太原科技大学学报 2023年4期

卜东寒,李志宏,王安红,赵利军

(太原科技大学电子信息工程学院,太原 030024)

图像的数据量迅速增加,图像压缩与恢复技术面临巨大的挑战。有损压缩如JPEG[1]会引入复杂的压缩伪影,尤其是块伪影,振铃效应和模糊。不仅影响视觉效果,还给目标检测等领域带来极大的负面影响。因此,去除压缩伪影在图像处理领域尤为重要。针对压缩伪影去除,相关研究人员提出了很多算法。Foi等人[2]提出基于形状自适应离散余弦变换的图像滤波算法,但会导致输出图像丢失高频信息。Yoo等人[3]提出了基于DCT的后处理算法去除块效应,但仍存在较明显伪影。近年来基于深度学习的算法在各种计算机视觉领域[4-8]取得了十分优秀的效果。在去除JPEG压缩伪影方面,DONG等人[9]最早提出了一种基于卷积神经网络(CNN)的框架,但恢复图像仍有一些明显的块效应。Zhang等人[10]提出了一种双域多尺度CNN放大接收域,利用像素域和DCT域的冗余去除JPEG压缩伪影。

本文提出了一个多尺度对称压缩伪影去除神经网络,在原始图像尺寸和小图像尺寸采用对称的网络结构进行特征提取和整合。为了更多恢复出图像的纹理信息,并且增加在高层次视觉处理如目标检测中的表现效果,本网络同时在感知空间控制模型训练。实验结果表明,本文所提算法可以在压缩伪影去除处理中取得更好的性能。