典型文献
残差密集块的卷积神经网络图像去噪
文献摘要：
针对加性高斯白噪声的图像信噪比低,图像细节丢失问题,结合现有卷积神经网络算法,提出了一种基于残差密集块的卷积神经网络图像去噪模型.该模型通过引入多级残差网络和密集连接,并对整体网络使用Leaky ReLU激活函数,去除不同等级强度噪声的同时,更好保留图像的有效信息,有效避免特征丢失.本文提出算法和深度卷积神经网络残差学习(DnCNN)模型对比,本文提出的模型在Set12和BSD68测试集上峰值信噪比平均提升了约0.12 dB,结构相似性平均提升了约0.008 6,通过观察实验效果,表明该模型能够充分提取图像特征,保留图像细节,同时降低网络计算的复杂度.
文献关键词：
图像去噪;卷积神经网络(CNN);残差学习;残差密集块;Leaky ReLU激活函数
中图分类号：
作者姓名：
李小艳;宋亚林;乐飞
作者机构：
河南大学 软件学院,开封 475004
文献出处：
引用格式：
[1]李小艳;宋亚林;乐飞-.残差密集块的卷积神经网络图像去噪)[J].计算机系统应用,2022(10):166-174
A类：
Set12,BSD68
B类：
残差密集块,网络图像,图像去噪,加性,高斯白噪声,图像信噪比,神经网络算法,去噪模型,多级残差网络,密集连接,网络使用,Leaky,ReLU,激活函数,不同等级,强度噪声,有效信息,深度卷积神经网络,残差学习,DnCNN,模型对比,测试集,上峰,峰值信噪比,dB,结构相似性,通过观察,实验效果,分提,图像特征
AB值：
0.339298
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
