使用选择性卷积块去除椒盐噪声的深度卷积神经网络
计算机视觉与模式识别
2024-01-29 v1 图像与视频处理
摘要
近年来，由于深度学习方法中卷积神经网络（CNNs）的优越性能，其在解决图像去噪问题上的应用空前激增。然而，CNNs 大多依赖于高斯噪声，且在利用 CNNs 进行椒盐（SAP）噪声去除方面明显不足。本文中，我们提出一种深度 CNN 模型，即 SeConvNet，用于抑制灰度与彩色图像中的 SAP 噪声。为实现此目标，我们引入一种新的选择性卷积（SeConv）块。SeConvNet 通过在多种常用数据集上的大量实验与最先进的 SAP 去噪方法进行比较。结果表明，所提出的 SeConvNet 模型能有效恢复受 SAP 噪声污染的图像，并在定量标准与视觉效果上超越所有同类方法，尤其在高中与极高噪声密度下。
引用
@article{arxiv.2302.05435,
title = {A deep convolutional neural network for salt-and-pepper noise removal using selective convolutional blocks},
author = {Ahmad Ali Rafiee and Mahmoud Farhang},
journal= {arXiv preprint arXiv:2302.05435},
year = {2024}
}