保持图像边缘的自监督盲点去噪算法研究

作     者：刘德浩 

作者单位：大连海事大学 

学位级别：硕士

导师姓名：刘洪波

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：保持图像边缘 边界优化算子 模型迭代 

摘      要：图像去噪是一种图像处理技术,旨在从图像中去除噪声,从而提高图像的质量和清晰度。自监督学习去噪进行训练不需要获取噪声图像对应的干净图像,仅需单张噪声图像即可处理,因而成为当下较热的研究领域。图像边缘通常是包含重要信息的区域,在图像去噪中保持图像边缘有助于提高图像质量和清晰度。但自监督盲点去噪器在屏蔽单个噪声图像中的像素时,可能会丢失有价值的结构(如边缘)。针对上述问题,本论文分别提出了基于边界优化算子的自监督去噪方法和基于模型迭代的自监督去噪方法,详细介绍了两种机制的理论细节与算法流程,并通过对比实验验证了上述两种算法在去噪中保持图像边缘的优越性。本文具体研究内容包括:(1)提出了一种基于边界优化算子的自监督去噪方法。本文将图像掩膜的方式由规律选取固定位置的像素,改为规律选取固定位置的像素的方式与伯努利采样随机选取一定比例位置的像素进行掩膜的方式结合,减小了损失的方差;此外,本文还引入空洞卷积来扩大感受野,获取更多的信息,从而更好地预测对应位置的像素值;最后,本文在自监督去噪算法中引入了边界优化算子范数,优化了图像的边界。将本章算法去噪后的图像与其他去噪算法处理后的图像进行对比实验,最后结果表明,本去噪算法对去噪后图像边缘的保持效果较好。(2)提出了一种基于模型迭代的自监督去噪方法。首先将图像去噪问题看为图像复原问题,然后引入掩膜这一先验实现基础模型的转换,减少了信息损失;在目标函数中加入了边缘优化算子优化图像边界。利用HQS算法对目标函数求解最优值,再经过基于CNN网络的自监督去噪器,经过数次迭代得到去噪结果。在灰度数据集和彩色数据集上进行实验,将本章算法去噪图像与其他基于单张图像的去噪算法处理后的图像进行对比,结果表明,该算法进一步提升了图像去噪时优化图像边缘的效果。