基于卷積神經(jīng)網(wǎng)絡(luò)的真實(shí)相機(jī)圖像去噪的研究
發(fā)布時(shí)間:2024-05-19 19:21
盡管目前深度學(xué)習(xí)的算法在高斯去噪問題上得到了很好的效果,但是對(duì)于真實(shí)相機(jī)圖像的噪聲,深度學(xué)習(xí)的方法還無法得到令人滿意的效果。為了推動(dòng)基于深度學(xué)習(xí)的去噪算法在實(shí)際中的使用,本文進(jìn)行了如下的研究,首先設(shè)計(jì)了針對(duì)相機(jī)噪聲的盲去噪網(wǎng)絡(luò),主要的貢獻(xiàn)是將相機(jī)內(nèi)部的圖像處理過程對(duì)噪聲的影響考慮在內(nèi),設(shè)計(jì)了更真實(shí)的噪聲模型,其次設(shè)計(jì)了兩段的網(wǎng)絡(luò)結(jié)構(gòu),將非盲去噪網(wǎng)絡(luò)泛化應(yīng)能強(qiáng)的優(yōu)點(diǎn)加以利用。首先使用一個(gè)小網(wǎng)絡(luò)用以估計(jì)噪聲水平的,之后使用UNet的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行非盲的去噪。對(duì)于噪聲估計(jì)網(wǎng)絡(luò)結(jié)構(gòu),本文設(shè)計(jì)了非對(duì)稱的損失函數(shù),同時(shí)使用梯度的約束來估計(jì)出更準(zhǔn)確的噪聲水平。真實(shí)噪聲數(shù)據(jù)和仿真的數(shù)據(jù)被迭代的進(jìn)行網(wǎng)絡(luò)的訓(xùn)練來提升網(wǎng)絡(luò)去噪的性能。在多個(gè)真實(shí)噪聲圖像數(shù)據(jù)集上,均驗(yàn)證了提出算法的有效性。為了更近一步提升去噪網(wǎng)絡(luò)的性能,并且推動(dòng)真實(shí)圖像的多幀去噪方面的研究,本文采集了一個(gè)真實(shí)相機(jī)圖像的噪聲數(shù)據(jù)集(CIDB)。與之前的數(shù)據(jù)集相比,本文的數(shù)據(jù)集采集了更多的場景,采集的噪聲圖像有更高的噪聲水平,采集時(shí)使用了更多的相機(jī)設(shè)置。為了得到更好的干凈圖像,并可以對(duì)于室外的運(yùn)動(dòng)物體有更強(qiáng)的魯棒性,本文設(shè)計(jì)了更完善,魯棒性更強(qiáng)的后...
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究的目的和意義
1.2 圖像去噪領(lǐng)域的發(fā)展概況
1.2.1 基于神經(jīng)網(wǎng)絡(luò)的圖像去噪
1.2.2 噪聲建模
1.2.3 真實(shí)圖像的盲去噪方法
1.2.4 真實(shí)去噪的數(shù)據(jù)庫
1.2.5 無噪聲圖像的獲得
1.3 本文的主要研究內(nèi)容
第2章 針對(duì)真實(shí)圖像的盲去噪方法
2.1 真實(shí)噪聲模型
2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
2.3 損失函數(shù)
2.4 訓(xùn)練數(shù)據(jù)
2.5 測試數(shù)據(jù)集和實(shí)現(xiàn)細(xì)節(jié)
2.6 實(shí)驗(yàn)結(jié)果對(duì)比
2.7 方法討論
2.7.1 噪聲模型對(duì)去噪結(jié)果的影響
2.7.2 同時(shí)使用真實(shí)數(shù)據(jù)集和生成數(shù)據(jù)集對(duì)去噪結(jié)果的影響
2.7.3 非對(duì)稱損失的作用
2.7.4 交互操作的設(shè)計(jì)
2.8 結(jié)論
第3章 真實(shí)噪聲數(shù)據(jù)集采集
3.1 數(shù)據(jù)集設(shè)置
3.1.1 場景的選擇
3.1.2 相機(jī)設(shè)置
3.2 干凈圖像的產(chǎn)生
3.2.1 圖像篩選與亮度對(duì)齊
3.2.2 圖像空間位移對(duì)齊
3.2.3 內(nèi)容相關(guān)的迭代加權(quán)平均算法
3.3 數(shù)據(jù)集評(píng)測
3.3.1 數(shù)據(jù)庫的噪聲分布
3.3.2 數(shù)據(jù)庫的測試策略
3.3.3 評(píng)測的去噪算法
3.3.4 訓(xùn)練的網(wǎng)絡(luò)
3.3.5 測試結(jié)果
3.4 結(jié)論
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3978348
【文章頁數(shù)】:63 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究的目的和意義
1.2 圖像去噪領(lǐng)域的發(fā)展概況
1.2.1 基于神經(jīng)網(wǎng)絡(luò)的圖像去噪
1.2.2 噪聲建模
1.2.3 真實(shí)圖像的盲去噪方法
1.2.4 真實(shí)去噪的數(shù)據(jù)庫
1.2.5 無噪聲圖像的獲得
1.3 本文的主要研究內(nèi)容
第2章 針對(duì)真實(shí)圖像的盲去噪方法
2.1 真實(shí)噪聲模型
2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
2.3 損失函數(shù)
2.4 訓(xùn)練數(shù)據(jù)
2.5 測試數(shù)據(jù)集和實(shí)現(xiàn)細(xì)節(jié)
2.6 實(shí)驗(yàn)結(jié)果對(duì)比
2.7 方法討論
2.7.1 噪聲模型對(duì)去噪結(jié)果的影響
2.7.2 同時(shí)使用真實(shí)數(shù)據(jù)集和生成數(shù)據(jù)集對(duì)去噪結(jié)果的影響
2.7.3 非對(duì)稱損失的作用
2.7.4 交互操作的設(shè)計(jì)
2.8 結(jié)論
第3章 真實(shí)噪聲數(shù)據(jù)集采集
3.1 數(shù)據(jù)集設(shè)置
3.1.1 場景的選擇
3.1.2 相機(jī)設(shè)置
3.2 干凈圖像的產(chǎn)生
3.2.1 圖像篩選與亮度對(duì)齊
3.2.2 圖像空間位移對(duì)齊
3.2.3 內(nèi)容相關(guān)的迭代加權(quán)平均算法
3.3 數(shù)據(jù)集評(píng)測
3.3.1 數(shù)據(jù)庫的噪聲分布
3.3.2 數(shù)據(jù)庫的測試策略
3.3.3 評(píng)測的去噪算法
3.3.4 訓(xùn)練的網(wǎng)絡(luò)
3.3.5 測試結(jié)果
3.4 結(jié)論
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3978348
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3978348.html
最近更新
教材專著