深度学习的图像去噪方法归纳

文章预览

向AI转型的程序员都关注公众号 机器学习AI算法工程 几种典型的图像去噪算法总结 目录 图像去噪概述： （1）数据预处理 （2）特征提取 （3）去噪模型设计和选择 基于深度学习的图像去噪方法 基于卷积神经网络的去噪方法 基于CNN自监督学习去噪 基于CNN监督学习去噪 基于残差网络的去噪方法 CNN中图像网络分为 基于生成对抗网络的去噪方法 GAN 基于图神经网络的去噪方法(GCDN) GNN GCN GCDN 图像去噪概述： 图像去噪的研究内容包括数据预处理、特征提取和去噪三部分 （1）数据预处理 问题：获取的数据集中常包含一些不可用数据，如图像格式不符，像素过高、亮度过低以及一些重复数据 方法：采用图像格式转换、几何校正、主成分分析等预处理操作为后续的去噪模型提供更多可用数据 （2）特征提取 目的 提取图像纹理细节特征 ………………………………