摘要
针对在图像去噪领域一些传统方法已无法解决数据维度、数据质量、数据复杂度的问题,本文提出基于改进的生成对抗网络GAN的图像去噪方法。该方法首先给在ImageNet数据集中随机挑选出的原始图像分别加上0.15、0.25的高斯噪声得到带噪声的模糊图像,然后将模糊图像输入到增加了残差网络的生成网络里得到去噪图像,将原始图像和去噪图像一同输入到判别网络里进行训练,训练时采用特定的损失函数来优化训练,最后用峰值信噪比和结构相似性两个指标来衡量该方法与其他方法的去噪结果。实验结果表明,该网络的改进部分不仅解决了用传统方法去噪时容易丢失图像的细节或边缘信息的问题,还提高了图像去噪后的细节特征。
出处
《电脑知识与技术》
2022年第12期61-63,共3页
Computer Knowledge and Technology
作者简介
李思平(1998-),女,湖北黄冈人,硕士在读,主要研究方向为深度学习。
