深度學習在圖像處理之噪聲去除方面中的研究

朱芯鴻 周思月 李秋明 杜佳樂 徐爍

摘要：人類生活的發展與進步與圖像息息相關，圖像是人們獲取信息的最重要的來源，是獲取與傳播信息的主要圖形。在圖像形成的系列過程中，灰度圖像造成一系列的噪聲污染，影響最后得出的結果。因此圖像去噪技術顯得尤為重要。而具有適應性與配適性的深度學習技術可以改進優化目前出現的各種圖像去噪技術，優化視覺效果。

關鍵詞：深度學習;圖像處理;噪聲去除

引言

圖像的噪聲主要廣泛的應用于圖像的取得、系列編碼、傳輸與預處理等階段。需要一些必要的噪聲先驗知識，得到系列特征點，從而將噪聲從數字圖像中去除。

1.圖像的相關概念

1.1圖像

圖像是客觀對象的一種相似性的、生動性的描述或寫真，是人類社會活動中最常用的信息載體。或者說圖像是客觀對象的一種表示，它包含了被描述對象的有關信息。[1]經過官方統計及計算，人體能獲取到的所有信息有高達75%是來自眼睛，也就是視覺。

圖像在廣義上就是呈現具有特定視覺效果的畫面，“圖”是物體反光出現的景象，“像”是視覺系統通過系列影響在意識中產生的認識形態。生活中照片、地圖、X光片等都是圖像。

1.2圖像處理

圖像處理是對原有圖像進行加工及處理，滿足企業或者個人的技術與應用要求。圖像處理技術是信息化的數字處理在特定圖像域中的應用之一。圖像處理絕大多數情況下都是采取數字處理的方式，利用數字存儲信息。計算機中的圖像處理作為數字信號處理中的一部分，與人工智能、計算機等領域有著直接的關系。

數字圖像技術在圖像處理技術領域內是最廣泛應用的技術之一。因為基于流水線生產出來的計算機體系結構，能夠提供人體不能做到的速度與效率。圖像處理任務基本上是在電腦上運用于各大軟件，解決不同的生產需求。經過圖像處理后可以極大程度還原圖像的質量，提升色彩逼真度、場景還原度等。

1.3圖像種類

在計算機內主要有三類數字圖像：

1）二值黑白圖像：灰度等級只有兩種黑色或者白色，任何圖像的灰度值都存在于0—255中，分別代表純黑色與純白色。

2）灰度圖像：這類圖像是從純黑的到最亮的白中展示出來，還可以直接表述為不同亮度的顏色。因為計算機圖像領域內在黑白圖像中只有黑白兩種顏色，但是灰度是一個特定的范圍。

3）彩色圖像：是三通道圖像，每一個通道的編碼都與灰度圖像極其相似。不同就是對于最后形成的三個通道利用系列方式，施加權重，最終融合成能展示出一定特征的彩色圖像。

2.噪聲的相關概念

1）噪聲來源：圖像噪聲來源眾多，比如電子元件傳輸中的發熱、硬件系統的卡頓、成像調制的缺陷、電子噪聲、圖像轉化形成的量化噪聲等。

2）噪聲種類：圖像噪聲的形式很多，常見出現的一般就是脈沖噪聲或者高斯噪聲以及兩者疊加的混合物。

3）圖像中的噪聲：包括高斯噪聲，以重統計性的噪聲，概率密度為正態分布;脈沖噪聲（胡椒噪聲，鹽粒噪聲，椒鹽噪聲）;泊松噪聲，主要基于電磁波，比如X射線，可見光和γ射線等;斑點噪聲，使圖像退化。

4）噪聲對圖像產生的影響類別：加性、乘性、混合噪聲。

5）消除噪聲的相關方法：字典學習可以很快速的移除噪聲、先驗知識可以回復平滑干凈的圖像細節。更多方法比如LSSC、MRF 、TNRD都可以使用。

但是存在以下缺點：測試階段的優化方法過于復雜、需要手動來設置參數、只能用固定的特定模型一個一個的去噪。

3.深度學習在圖像去噪應用

3.1深度學習在圖像處理中的應用

深度學習通過建立，模擬人腦的分層結構來實現對外部輸入的數據進行從低級到高級的特征提取，從而能夠解釋外部數據。[2]深度學習技術可以改善目前市面上消除噪聲的方式，擁有靈活的結構，極強的自適應性來解決單一的形式。深度學習技術應用在圖像去噪中的主要結構包括加白噪聲的圖像去噪技術，它可以提高去噪的速度，提升去噪性能;end-to-end的CNN和CNN與先驗知識的系列結合，它可以設計相關的網絡結構，從而將噪聲圖像變為流行;將image device和soft shrinkage和CNN/NN結合從而進行blind denoising等。

3.2提高去噪性能的解決方法：

圖像的噪聲消除是必要的，它可以在最大程度上保護圖像的細節、邊緣、紋理，改善圖片質量。圖像噪聲的消除手段與效率會直接影響到圖片處理后續的結果，影響最后的結論分析。因此提高去噪性能是必不可少的，具體解決方案如下：

1）增大網絡的視野獲取更多信息提高性能。將信息的搜集做到極致化，從各類搜集手段中加大網絡的深度與力度。避免內存的消耗可以利用空洞卷積。

2）先驗結合與CNN結合可以提取出更有代表性的特征，

3）遷移學習、網絡搜索等方式可以更精準的處理噪聲。

4）將信號處理系統融合進CNN可以遏制噪聲進一步影響后續結果的分析。

5）將局部與全局的信息大力度提取和分析可以加強與提高網絡的記憶能力。

結語

噪聲去除是圖像處理中一個極為重要的步驟，應當使用配適程度高的濾波技術還原與增強圖像。深度學習系列技術可以提升噪聲去除的效率，獲取高質量的圖像。可以把高質量的圖像應用到熱門的網頁制作中，使界面變得清晰，從而提升網頁的吸引力與競爭力。

參考文獻：

[1]周文權. 淺談圖像中的插圖和攝影[J]. 北方文學（中旬刊）， 2015（8）：206-206.

[2]郭麗麗， 丁世飛. 深度學習研究進展[J]. 計算機科學， 2015， 042（005）：28-33.

作者單位：

1.重慶郵電大學? 經濟管理學院

2.重慶郵電大學? 傳媒藝術學院

3.重慶郵電大學? 通信與信息工程學院

4.重慶郵電大學? 先進制造工程學院

5.西安工業大學? 電子信息工程學院