基于残差学习与卷积神经网络的图像去噪方法研究任务书

 2021-08-20 01:08

1. 毕业设计(论文)主要目标:

  1. 掌握数字图像处理的基本知识
  2. 了解BM3D算法、残差迭代和卷积神经网络CNN相关知识

  3. 针对去噪算法领域中效果较好的BM3D算法,分别利用残差迭代和卷积神经网络进行去噪处理。

  4. 将本课题中提出方案与传统的BM3D算法,残差迭代以及卷积神经网络CNN实现图像去噪的方案进行比较并总结。

    剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

    2. 毕业设计(论文)主要内容:

    数字图像在获取、传输等过程中不可避免地会受到噪声的影响,降低图像质量,于是,为了抑制噪声,改善图像质量,对图像进行去噪成为图像和视频处理的关键步骤之一。目前的图像去噪算法种类繁多,在传统的图像去噪算法中,NLM、BM3D应该是效果最佳的,但是NLM无法有效地保存图像的结构信息,BM3D主要通过协同过滤得到不同的权值加权平均,完成基础去噪,然后未保存更高层次的图像细节和边缘,进行二次去噪,得到更理想的图像,所以在传统去噪方法中,BM3D不仅有突出的PSNR和SSIM,而且视觉效果较好。同时,随着深度学习的发展,国内外很多学者利用卷积神经网络CNN完成图像去噪,其中MLP算法去噪性能已优于BM3D算法,除此以外,残差图像中包含明显的图像结构信息,若能有效提取这些信息,利用残差网络,会对去噪效果进行提高。本课题主要研究针对去噪算法领域中效果较好的BM3D算法,分别利用残差迭代和卷积神经网络,结合各自的优点进行去噪处理,并与传统方案进行比较总结。

    剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

    3. 主要参考文献

    [1]徐畅.基于Shearlet变换和深度CNN的图像去噪研究[D].南京信息工程大学, 2018

    [2]孙伟峰.采用多级残差滤波的非局部均值图像去噪方法[J].电子与信息学报, 2016

    [3]黄牧.基于BM3D图像去噪算法的参数研究[J].工业控制计算机,2014

    剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;