2023年河北大学学报(自然科学版)2023第43卷第2期JournalofHebeiUniversity(NaturalScienceEdition)Vol.43No.2DOI:10.3969/j.issn.10001565.2023.02.014基于双域信息的深度残差网络图像去噪李凯1,张辉1,崔丽娟2,彭锦佳1,陈泰熙3(1.河北大学网络空间安全与计算机学院,河北省机器视觉工程研究中心,河北保定071002;2.河北大学图书馆,河北保定071002;3.香港浸会大学计算机科学系,香港999077)摘要:基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.关键词:图像去噪;双域映射;残差学习;激活单元;损失函数中图分类号:TP391文献标志码:A文章编号:10001565(2023)02021609Imagedenoisingbasedondeepresidualnetworkwithdual-domaininformationLIKai1,ZHANGHui1,CUILijuan2,PENGJinjia1,CHENTaixi3(1.HebeiMachineVisionEngineeringResearchCenter,SchoolofCyberSecurityandComputer,HebeiUniversity,Baoding071002,China;2.Library,HebeiUniversity,Baoding071002,China;3.DepartmentofComputerScience,HongKongBaptistUniversity,HongKong999077,China)Abstract:Thedenoisingtechnologybasedondeeplearningimprovestheimagequalitybyconsideringvisualartifactsandoverallsmoothingnoise.However,theyrarelyinvolvetherestorationofedgedetails.Inthispaper,adeepdenoisingnetworkmodelbasedondual-domainmappingandresiduallearningisproposed.Thenetworklearninginformationisextendedbythefusionofwaveletdomaininformationandspatialdomaininformation.Byintroducingmulti-scalelearninganddilatedconvolutionintotheactivationunit,theimagefeaturesareextractedandthenetworkparametersarereduced.Inordertofurtherimprovethedenoisingresults,thejointlossfunctionofwaveletdomainlossandspatialdomainlossarecombinedtoguidethenetworktoobtainmoreedgesanddetails....
