DnRFD:用于图像去噪的递进式残差融合密集网络OA北大核心CSTPCD
基于深度学习的去噪方法能够获得比传统方法更好的去噪效果,但是现有的深度学习去噪方法往往存在网络过深导致计算复杂度过大的问题。针对这个不足,提出一种用于去除高斯噪声的递进式残差融合密集网络(DnRFD)。该网络首先采用密集块来学习图像中的噪声分布,在充分提取图像局部特征的同时大幅降低网络参数;然后利用递进策略将浅层卷积特征依次与深层特征短线连接形成残差融合网络,提取出更多针对噪声的全局特征;最后将各密集块的输出特征图进行融合后输入给重建输出层,得到…查看全部>>
曹义亲;饶哲初;朱志亮;张红斌
华东交通大学软件学院,南昌330013华东交通大学软件学院,南昌330013华东交通大学软件学院,南昌330013 中国科学院软件研究所,北京100190华东交通大学软件学院,南昌330013
信息技术与安全科学
图像去噪深度学习密集块残差学习递进式残差融合
《计算机科学与探索》 2022 (12)
P.2841-2850,10
评论