摘要
针对遥感影像上存在的复杂条带噪声问题,提出一种阶梯型多尺度卷积神经网络降噪模型(SmCNN).该模型采用一种阶梯型网络结构轻量化设计,高度融合高、低层等多层网络特征,对影像上的非均质、高覆盖、多尺度条带噪声具备优秀的识别、去除能力.模型主要通过3*3 空洞卷积构建多尺度网络和残差网络融合多尺度特征信息,增强多尺度条带噪声的检测能力、弥补深度网络退化缺点;采用锯齿状混合空洞卷积网络结构解决图像信息不连续问题;设计阶梯型多尺度网络结构、引入1*1 卷积以轻量化神经网络模型,降低模型复杂度.实验结果表明,SmCNN降噪性能明显优于传统图像降噪方法,比经典的前馈去噪卷积神经网络(DnCNN)降噪模型在均方误差、峰值信噪比、结构相似性三项图像降噪质量评价指标上,分别提高了61.2%、11.8%和0.7%,且网络结构轻量化效果显著,节约了53.11%的模型训练时间.
基金项目
国家重点研发计划(2021YFF0704000)
青岛海洋科学与技术试点国家实验室山东省专项(2022QNLM05032)
中国地质调查局海洋地质调查二级项目(DD20221711)
国家科技期刊平台
NSTL
维普
万方数据