基于卷积神经网络的图像去噪方法研究-生物医学工程专业论文.docx

山东大学硕士学位论文第三章基于卷积神经网络的图像去噪193．1神经网络193．1．1神经元193．1．2激活函数203．1．3神经网络243．1．4神经网络的特点253．2基于卷积神经网络图像去噪263．3．1卷积神经网络263．3．2网络结构273．3．3网络改进283．3．3网络训练303．3．4网络特点3l3．3．5网络应用323．3本章小结33第四章实验设置与改进．354．1实验设置．354．1．1数据选择及处理354．1．2网络参数设置354．1．3实验结果364．2其它噪声去噪404．2．1椒盐噪声404．2．2斑点噪声434．3实验影响因素454．3．1卷积核454．3．2隐层数464．3．3其他影响因素474．4实验方法改进48万方数据山东大学硕士学位论文4．4．1多噪声多强度484．4．2自适应权值494．5本章小结5l第五章总结与展望535．1工作总结535．2工作展望53参敬献．55舅C{射。63硕士期间参加的科研工作．65万方数据山东大学硕士学位论文CoNTENTABSTRUCT(InChinese)．IABSTRUCTⅡIChapterlIntroduction11．1BackgroundandSiginificanceoftheResearch．．11．2StatusofImageDenoising21．2．1SpatialImageDenoising．21．2．2FrequencyDomainImageDenoising31．2．3NoVelImageDenoising71．3MainContentSandStrIJcturesArrangement7Chapter2Th∞reticalBasis92．1InlageNoise．92．1．1NoiseClassification．．92．1．2NoiseModell02．2ClassicDenoisingMethods122．2．1MeanFilter．．122．2．2MedianFilter．．132．2．3WienerFilter．．142．2．4FilteringBasedonWaVeletTmsf．onn142．3ImageQualityAssessment．152．3．1SubjectiVeAssessment．．152．3．2ObjectiVeAssessment162．4Conclusion．．18Chapter3DenoisingBasedonConVoIutionaINeuralNetwork．193．1NeuralNe觚ork19V万方数据山东大学硕士学位论文3．1．1Neurons．193．1．2ActivationFunction203．1．3NeuralNetwork．243．1．4Characteristics253．2DenoisingBasedonConVolutionalNeuralNetwork．263．3．1ConvolutionalNeuralNe觚ork．263．3．2NetworkStructure273．3．3NetworkImproVement．．283．3．3Ne撕orkTraining303．3．4Characteristics3l3．3．5Application一323．3Conclusion．．33Chapter4ExperimentalD鸭ignandImprovement354．1ExperimentalSettings一354．1．1DataSelectionandPreprocessing354．1．2Net、ⅣorkParameterSetting354．1．3Results364．2OtherNoiseDenoising404．2．1SaltPepperNoise404．2．2SpeckleNoise．．434．3ExperimentalFactorS454．3．1ConvolutionKemel454．3．2HiddenLayer．．464．3．3OtherFactors．．474．4ImproVement．484．4．1MoreNoiseandMoreIntensity．．484．4．2AdaptiVeWei曲t．494．5Conclusion．．51万方数据山东大学硕士学位论文Chapter5SummaryandFutureWork．535．1Summa叫．535．2FutureW6rk53Refbrence．．55Acknowledgements．63Proj∞tsParticipatedDuringMaste璐．65万方数据山东大学硕士学位论文在日常学习或生活中，图像无处不在，是人类社会活动中最常用的信息载体。在获取和传输过程中，图像会受到多种噪声的干扰，从而对后续的图像