文档名：基于离散剪切波与优化深度卷积神经网络的图像降噪方法
摘要：海洋试验图像通常受到海洋气象条件、海水光照折射和海洋深度等因素的影响,导致在海洋中采集的图像包含严重的噪声.为了提高海洋试验图像的清晰度和降噪性,提出一种基于离散剪切波与优化深度卷积神经网络相结合的海洋试验图像降噪方法.采用离散剪切波变换分解海洋试验图像,能有效从图像中提取不同方向和频率的特征.利用优化深度卷积神经网络强大的图像特征提取能力,经网络模型训练后,能获取图像中的关键特征,达到降噪的目的.在验证实验中,所提方法与传统图像降噪方法相比,能有效保留图像的纹理和细节特性,获得了较好的降噪效果,有助于提高海洋试验图像的清晰度和降噪性.
Abstract：Marinetestimagesareoftenaffectedbyfactorssuchasmarinemeteorologicalconditions,seawaterlightrefraction,andoceandepth,resultinginseverenoiseintheimagescollectedintheocean.Inordertoimprovetheclarityanddenoisingperformanceofmarinetestimages,thispaperproposesamarinetestimagedenoisingmethodbasedondiscreteshearlettransformcombinedwithanoptimizeddeepconvolutionalneuralnetwork.Thediscreteshearlettransformisusedtodecomposethemarinetestimage,whichcaneffectivelyextractfeaturesofdifferentdirectionsandfrequenciesfromtheimage.Byutilizingthepowerfulfeatureextractionabilityoftheoptimizeddeepconvolutionalneuralnetwork,aftertrainingthenetworkmodel,keyfeaturesintheimagecanbeobtained,thusachievingthepurposeofdenoising.Intheverificationexperiment,comparedwithtraditionalimagedenoisingmethods,theproposedmethodcaneffectivelyretainthetextureanddetailcharacteristicsoftheimage,achievegooddenoisingeffect,andimprovetheclarityanddenoisingperformanceofmarinetestimages.
作者：白华军 李荣昌 司洁戈 张义 张景熙Author：BAIHuajun LIRongchang SIJiege ZHANGYi ZHANGJingxi
作者单位：中国电子科技集团公司第三研究所,北京100015
刊名：电声技术
Journal：AudioEngineering
年，卷(期)：2024, 48(1)
分类号：TP391.41TP181
关键词：离散剪切波变换 降噪方法 深度卷积神经网络 海洋试验
Keywords：discreteshearlettransform denoisingmethods deepconvolutionalneuralnetworks oceanexperiments
机标分类号：TP391.41P631TU93
在线出版日期：2024年4月7日
基金项目：基于离散剪切波与优化深度卷积神经网络的图像降噪方法[
期刊论文] 电声技术--2024, 48(1)白华军 李荣昌 司洁戈 张义 张景熙海洋试验图像通常受到海洋气象条件、海水光照折射和海洋深度等因素的影响,导致在海洋中采集的图像包含严重的噪声.为了提高海洋试验图像的清晰度和降噪性,提出一种基于离散剪切波与优化深度卷积神经网络相结合的海洋试验...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于离散剪切波与优化深度卷积神经网络的图像降噪方法 Image Denoising Method Based on Discrete Shearlet Transform and Optimized Deep Convolutional Neural Network
基于离散剪切波与优化深度卷积神经网络的图像降噪方法.pdf
- 文件大小:
- 1.56 MB
- 下载次数:
- 60
-
高速下载
|
