深度学习在图像处理之噪声去除方面中的研究

朱芯鸿 周思月 李秋明 杜佳乐 徐烁

摘要：人类生活的发展与进步与图像息息相关，图像是人们获取信息的最重要的来源，是获取与传播信息的主要图形。在图像形成的系列过程中，灰度图像造成一系列的噪声污染，影响最后得出的结果。因此图像去噪技术显得尤为重要。而具有适应性与配适性的深度学习技术可以改进优化目前出现的各种图像去噪技术，优化视觉效果。

关键词：深度学习;图像处理;噪声去除

引言

图像的噪声主要广泛的应用于图像的取得、系列编码、传输与预处理等阶段。需要一些必要的噪声先验知识，得到系列特征点，从而将噪声从数字图像中去除。

1.图像的相关概念

1.1图像

图像是客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中最常用的信息载体。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。[1]经过官方统计及计算，人体能获取到的所有信息有高达75%是来自眼睛，也就是视觉。

图像在广义上就是呈现具有特定视觉效果的画面，“图”是物体反光出现的景象，“像”是视觉系统通过系列影响在意识中产生的认识形态。生活中照片、地图、X光片等都是图像。

1.2图像处理

图像处理是对原有图像进行加工及处理，满足企业或者个人的技术与应用要求。图像处理技术是信息化的数字处理在特定图像域中的应用之一。图像处理绝大多数情况下都是采取数字处理的方式，利用数字存储信息。计算机中的图像处理作为数字信号处理中的一部分，与人工智能、计算机等领域有着直接的关系。

数字图像技术在图像处理技术领域内是最广泛应用的技术之一。因为基于流水线生产出来的计算机体系结构，能够提供人体不能做到的速度与效率。图像处理任务基本上是在电脑上运用于各大软件，解决不同的生产需求。经过图像处理后可以极大程度还原图像的质量，提升色彩逼真度、场景还原度等。

1.3图像种类

在计算机内主要有三类数字图像：

1）二值黑白图像：灰度等级只有两种黑色或者白色，任何图像的灰度值都存在于0—255中，分别代表纯黑色与纯白色。

2）灰度图像：这类图像是从纯黑的到最亮的白中展示出来，还可以直接表述为不同亮度的颜色。因为计算机图像领域内在黑白图像中只有黑白两种颜色，但是灰度是一个特定的范围。

3）彩色图像：是三通道图像，每一个通道的编码都与灰度图像极其相似。不同就是对于最后形成的三个通道利用系列方式，施加权重，最终融合成能展示出一定特征的彩色图像。

2.噪声的相关概念

1）噪声来源：图像噪声来源众多，比如电子元件传输中的发热、硬件系统的卡顿、成像调制的缺陷、电子噪声、图像转化形成的量化噪声等。

2）噪声种类：图像噪声的形式很多，常见出现的一般就是脉冲噪声或者高斯噪声以及两者叠加的混合物。

3）图像中的噪声：包括高斯噪声，以重统计性的噪声，概率密度为正态分布;脉冲噪声（胡椒噪声，盐粒噪声，椒盐噪声）;泊松噪声，主要基于電磁波，比如X射线，可见光和γ射线等;斑点噪声，使图像退化。

4）噪声对图像产生的影响类别：加性、乘性、混合噪声。

5）消除噪声的相关方法：字典学习可以很快速的移除噪声、先验知识可以回复平滑干净的图像细节。更多方法比如LSSC、MRF 、TNRD都可以使用。

但是存在以下缺点：测试阶段的优化方法过于复杂、需要手动来设置参数、只能用固定的特定模型一个一个的去噪。

3.深度学习在图像去噪应用

3.1深度学习在图像处理中的应用

深度学习通过建立，模拟人脑的分层结构来实现对外部输入的数据进行从低级到高级的特征提取，从而能够解释外部数据。[2]深度学习技术可以改善目前市面上消除噪声的方式，拥有灵活的结构，极强的自适应性来解决单一的形式。深度学习技术应用在图像去噪中的主要结构包括加白噪声的图像去噪技术，它可以提高去噪的速度，提升去噪性能;end-to-end的CNN和CNN与先验知识的系列结合，它可以设计相关的网络结构，从而将噪声图像变为流行;将image device和soft shrinkage和CNN/NN结合从而进行blind denoising等。

3.2提高去噪性能的解决方法：

图像的噪声消除是必要的，它可以在最大程度上保护图像的细节、边缘、纹理，改善图片质量。图像噪声的消除手段与效率会直接影响到图片处理后续的结果，影响最后的结论分析。因此提高去噪性能是必不可少的，具体解决方案如下：

1）增大网络的视野获取更多信息提高性能。将信息的搜集做到极致化，从各类搜集手段中加大网络的深度与力度。避免内存的消耗可以利用空洞卷积。

2）先验结合与CNN结合可以提取出更有代表性的特征，

3）迁移学习、网络搜索等方式可以更精准的处理噪声。

4）将信号处理系统融合进CNN可以遏制噪声进一步影响后续结果的分析。

5）将局部与全局的信息大力度提取和分析可以加强与提高网络的记忆能力。

结语

噪声去除是图像处理中一个极为重要的步骤，应当使用配适程度高的滤波技术还原与增强图像。深度学习系列技术可以提升噪声去除的效率，获取高质量的图像。可以把高质量的图像应用到热门的网页制作中，使界面变得清晰，从而提升网页的吸引力与竞争力。

参考文献：

[1]周文权. 浅谈图像中的插图和摄影[J]. 北方文学（中旬刊）， 2015（8）：206-206.

[2]郭丽丽， 丁世飞. 深度学习研究进展[J]. 计算机科学， 2015， 042（005）：28-33.

作者单位：

1.重庆邮电大学  经济管理学院

2.重庆邮电大学  传媒艺术学院

3.重庆邮电大学  通信与信息工程学院

4.重庆邮电大学  先进制造工程学院

5.西安工业大学  电子信息工程学院