计算机工程

作者：杨晶晶, 谢海燕, 薛妮妮, 张傲明

单位：大连海事大学 理学院, 辽宁 大连 116026

关键词：卷积神经网络,双通道,残差学习,图像去噪,水下图像,图像处理

基金：中央高校基本科研业务费专项资金（3132019400）。

水下图像去噪作为探索海底世界有效的辅助手段之一，备受研究人员的关注。传统的滤波方法存在去噪过程中容易损坏图像的细节，带有明显的噪声残留，且根据不同的噪声类型设计相应滤波器的问题，在深度卷积神经网络的基础上，提出一种改进的双通道残差卷积神经网络模型，用于去除水下图像的噪声。该模型由局部残差网（LRN）、全局稀疏网（GSN）和特征处理块（FPB）构成。通过双通道LRN和GSN并行提取水下图像的多层次局部噪声特征和全局噪声特征，利用FPB中的通道连接融合LRN和GSN提取的噪声特征，并使用其卷积层增强水下图像噪声信息。在此基础上，使用均方误差和平均绝对误差双损失函数优化网络参数，利用卷积层重构水下图像。实验结果表明，相比BM3D、IRCNN、DnCNN等方法，该方法的平均峰值信噪比提高0.02~3.52 dB，在有效去除各种水平的随机噪声同时能重构清晰的水下图像。

来源：2023年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第4期