一种利用改进深度图像先验构建的图像降噪模型

为进一步提高深度图像先验(Deep Image Prior,DIP)降噪模型的降噪效果和执行效率,从网络结构、网络输入和Loss函数三个方面对其进行改进从而获得了一种改进的深度图像先验(Improved Deep Image Prior,IDIP)降噪模型.具体地,在网络结构方面,通过新增非线性特征传递路径的方法将原DIP模型编码器-解码器(encoder-decod?er)架构中相同尺度特征层之间所采用的简单连接改进为复杂连接,有利于特征信息调制与传递从而提高神经网络的非线性映射能力;在网络输入方面,用已具有较高图像质量的初步降噪图像替换随机张量作为网络输入向网络模型提供更为丰富的信息,有利于加快网络收敛速度进而提高执行效率;在Loss函数方面,在原噪声图像的基础上新增初步降噪图像作为第二目标图像,有利于提高Loss函数的导向能力从而提高降噪效果.实验结果表明:所提出的IDIP降噪模型在各噪声水平值下的降噪性能和执行效率均显著优于原DIP模型;与现有的主流降噪方法相比,IDIP降噪模型也具有更好的降噪效果.