基于双通道残差网络的水下图像去噪研究

水下图像去噪作为探索海底世界有效的辅助手段之一,备受研究人员的关注。传统的滤波方法存在去噪过程中容易损坏图像的细节,带有明显的噪声残留,且根据不同的噪声类型设计相应滤波器的问题,在深度卷积神经网络的基础上,提出一种改进的双通道残差卷积神经网络模型,用于去除水下图像的噪声。该模型由局部残差网(LRN)、全局稀疏网(GSN)和特征处理块(FPB)构成。通过双通道LRN和GSN并行提取水下图像的多层次局部噪声特征和全局噪声特征,利用FPB中的通道连接融合LRN和GSN提取的噪声特征,并使用其卷积层增强水下图像噪声信息。在此基础上,使用均方误差和平均绝对误差双损失函数优化网络参数,利用卷积层重构水下图像。实验结果表明,相比BM3D、IRCNN、DnCNN等方法,该方法的平均峰值信噪比提高0.02~3.52 dB,在有效去除各种水平的随机噪声同时能重构清晰的水下图像。