原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE
PAGE1
摘要
随着数字图像在各领域广泛应用，图像噪声问题严重影响图像的质量与后续分析，我们需要探索高效的基于深度学习的图像去噪方法，去提升图像质量，满足医学影像、安防监控等多领域对清晰图像的需求。本文研究重点在于改进深度学习模型，通过采用当下主流的几种去噪方式去进行大量含噪与干净图像对的学习，实现精准去噪。主要运用生成对抗网络（GAN），卷积神经网络（CNN）及其变体结构，利用他强大的特征提取能力，自动学习噪声与图像特征之间的复杂关系。并且引入残差学习机制，加速模型收敛并提升去噪能力，主要改进DnCNN的残差块进行改进，通过增加残差块，引入通道注意力来增加图像的处
文档评论（0）