基于逐像素强化学习的边缘保持图像复原.pdfVIP

研究论文第50卷第12期/2024年12月/计算机工程

基于逐像素强化学习的边缘保持图像复原

江敏,陈飞1*,程航”,王美清²

（1.福州大学计算机与大数据学院，福建福州350108；2.福州大学数学与统计学院，福建福州350108）

摘要：高强度的高斯噪声往往会模糊或破坏图像的细节和结构，导致边缘信息的丢失。为此，提出基于逐像素

强化学习的边缘保持图像复原算法。首先，为每个像素构建一个像素层智能体并设计针对边缘处的侧窗均值滤

波器到动作空间中，所有的像素层智能体共享优势行动者-评论家算法的参数，因此模型可以同时输出所有位置

的状态转移概率并选择合适的策略进行状态转移，从而复原图像；其次，在特征提取共享网络中结合协调注意力，

聚焦所有像素位置在特征通道间的全局信息，并保留位置嵌人信息；然后，为了缓解稀疏奖励问题，设计一个基于

图拉普拉斯正则的辅助损失，关注图像的局部平滑信息，对局部不平滑区域加以惩罚，从而促进像素层智能体更

加有效地学习到正确的策略以实现边缘保持。实验结果表明，所提的算法在Middlebury2005数据集和MNIST

数据集上的峰值信噪比（PSNR)分别达到32.97dB和28.26dB,相比于Pixel-RL算法分别提升了0.23dB和

0.75dB，参数量和训练总时间分别减少了44.9%和18.2%，在实现边缘保持的同时有效降低了模型的复杂度。

关键词：图像复原；深度强化学习；逐像素强化学习；协调注意力；图拉普拉斯；边缘保持

源代码链接:/jemimajiang/CAMGLR-main

中图分类号：TP18文献标志码：AD0I:10.19678/j.issn.1000-3428.0068490

Edge-PreservingImageRestorationBasedonPixel-by-Pixel

ReinforcementLearning

JIANGMin,CHENFeil*,CHENGHang,WANGMeiqing?

(1.SchoolofComputerScienceandBigData,FuzhouUniversity,Fuzhou350108,Fujian,China;

2.SchoolofMathematicsandStatistics,FuzhouUniversity,Fuzhou350108,Fujian,China)

[Abstract]High-intensityGaussiannoisetendstoblurordestroythedetailsandstructureofanimage,resultingin

thelossofedgeinformation.Therefore,anedge-preservingimagerestorationalgorithmbasedonpixel-by-pixel

reinforcementlearningisproposed.First,apixel-wiseagentisconstructedforeachpixel.Thealgorithmusesa

sidewindowaveragingfilterattheedgeoftheactionspace.Allpixellayeragentssharetheparametersofthe

advantageousactor-criticalgorithm;therefore,themodelcanoutputthestatetransitionprobabilityofallpositions

simultaneouslyandselecttheappropriatestrategyforthestatetransitiontorestoretheimage.Second,