结合高低频分解和多尺度两级融合策略的单一深度图去噪方法
赵利军1
王可1
张晋京2
白慧慧3
赵耀3
1.太原科技大学电子信息工程学院,太原 0300242.中北大学大数据学院,太原 0300513.北京交通大学计算机与信息技术学院,北京 100044
摘要：现有的很多基于神经网络的深度图去噪方法忽略了深度图结构信息和细节信息之间的差异性,导致这些方法往往无法准确地恢复深度图的几何结构信息.为此,提出一种结合图像高低频分解和多尺度两级融合策略的单一深度图去噪方法.首先,考虑到不同噪声的差异性,引入多尺度高斯滤波器将含噪声的深度图分解为一组低频结构分量和一组高频细节分量.其次,考虑到低频结构信息和高频细节信息的互补特性,将这两组分量分别输入到基于多尺度两级融合的低频特征提取网络和高频特征提取网络,并且提出在这两个网络之间使用互补的特征加权融合机制进行多级特征融合和反馈.最后,对高低频特征提取网络输出的高低频增强特征,使用高低频合并重建模块进行残差预测,再将其与输入图相融合得到高质量的深度图.实验结果表明,在峰值信噪比、均方根误差、结构相似性和综合性能对比方面,本文方法比多个主流的深度图去噪方法如ARCNN、Fast ARCNN、DnCNN、ADNet和FFDNet拥有更好的性能.
关键词：深度图去噪图像分解多尺度融合深度神经网络
分类号：TP751.1(遥感技术)
资助基金：国家自然科学基金(62202323)国家自然科学基金(62072325)国家自然科学基金(61972023)山西省基础研究计划资助项目(202103021223284)太原科技大学博士科研启动基金(20192023)来晋工作优秀博士奖励资金项目(20192055)国家重点研发计划(2022YFE0200300)北京市自然科学基金(L223022)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 30-41 )
英文信息