计算机工程

作者：李倩, 魏伟波, 杨光宇, 宋金涛, 孙璐, 潘振宽

单位：青岛大学计算机科学技术学院, 山东 青岛 266071

关键词：泊松去噪,卷积神经网络,去噪先验,变分模型,交替方向乘子法

基金：国家自然科学基金(61772294); 山东省自然科学基金联合基金(ZR2019LZH002); 山东省高等学校“青创科技计划”创新团队(2021RW018)

泊松去噪是一个典型的病态逆问题，其变分模型需要反复迭代和调节参数且计算效率低下，而纯深度学习模型往往依据经验设计网络且可解释性差。针对以上问题，在泊松噪声去噪变分模型的交替方向乘子法展开的基础上，设计端到端深度卷积神经网络，结合泊松噪声分布统计量与Bayesian最大后验概率估计推导出改进的泊松去噪变分模型。为了求解泊松去噪能量函数极值问题，采用交替方向乘子法，引入辅助变量、拉格朗日乘子和惩罚参数，将该问题分解为高斯去噪和图像重建两类交替优化子问题，先采用先验驱动的深度卷积神经网络实现高斯去噪，再通过解析迭代求解完成图像重建。实验结果表明，与基于非线性主成分分析、VST+BM3D、I+VST+BM3D和TRDPD的泊松去噪模型相比，改进模型在Set12数据集上的峰值信噪比均值分别提高2.73、0.87、0.57和0.50 dB，结构相似性均值分别提高0.148、0.046、0.020和0.047，在彩色图像及正电子发射断层扫描与计算机断层扫描图像上也明显提升了泊松去噪效果。上述实验结果证明了改进模型不仅有效去除了泊松噪声，而且避免了泊松去噪过程中产生的伪影和散斑等问题。

来源：2024年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第2期