事前学習済みのニュラルネットワクを使用した，カラズ除去

この例では次を使用します:

この例では,ノイズ除去畳み込みニューラルネットワークを使用してRGBイメージからガウスノイズを除去する方法を示します。

カラスに読み取り双に変換します。初期状態のカラ。

pristineRGB = imread(“lighthouse.png”）;pristineRGB = im2double(pristineRGB);imshow (pristineRGB)标题(“原始图像”）

图中包含一个轴对象。标题为“原始图像”的axes对象包含一个Image类型的对象。

分散0.01のゼロ平均ガウスホワ。関数imnoiseは，各カラ，チャネルに対してノ，ズを個別に追加します。ノズを含むカラメ。

noisyRGB = imnoise(pristineRGB，“高斯”, 0, 0.01);imshow (noisyRGB)标题(“嘈杂的图像”）

图中包含一个轴对象。标题为“噪声图像”的axis对象包含一个图像类型的对象。

事前学習済みのノイズ除去畳み込みニューラルネットワークDnCNNは,シングルチャネルイメージで動作します。ノズを含むRGBメジを3の個別のカラチャネルに分割します。

[noisyR,noisyG,noisyB] = imsplit(noisyRGB);

事前学習済みDnCNNネットワ，クを読み込みます。

net =去噪网络(“dncnn”）;

DnCNNネットワクを使用して各カラチャネルからノズを除去します。

denoisedR = denoiseImage(noisyR,net);denoisedG = denoiseImage(noisyG,net);噪声b =噪声图像(噪声b,net);

ノズ除去後のカラチャネルを再度組み合わせてノズ除去後のRGBメジを作成します。ノズ除去後のカラメ。

降噪drgb = cat(3，降噪edr，降噪edg，降噪edb);imshow (denoisedRGB)标题(”“去噪图像）

图中包含一个轴对象。标题为Denoised Image的axes对象包含一个Image类型的对象。

ノイズの多いイメージとノイズ除去後のイメージのピークS / N比(PSNR)を計算します。PSNRが大きいほどノaaplズの相対シグナルが小さく，画質が高くなります。

noisyPSNR = psnr(noisyRGB,pristineRGB);流(\n噪声图像的PSNR值为%0.4f。, noisyPSNR);

噪声图像的PSNR值为20.6395。

denoisedPSNR = psnr(denoisedRGB,pristineRGB);流(\n去噪后图像的PSNR值为%0.4f。, denoisedPSNR);

去噪后图像的PSNR值为29.6857。

ノズの多いメジとノズ除去後のメジの構造類似度(ssim)ンデックスを計算します。Ssim转换器转换器ンデックスが1に近いほど参照转换器转换器メ，ジに合致し，画質が高くなります。

noisySSIM = ssim(noisyRGB,pristineRGB);流(\n噪声图像的SSIM值为%0.4f。, noisySSIM);

噪声图像的SSIM值为0.7393。

denoisedSSIM = ssim(denoisedRGB,pristineRGB);流(\n去噪后图像的SSIM值为%0.4f。, denoisedSSIM);

去噪后图像的SSIM值为0.9507。

。相関イメージノイズを除去するには,まずRGBイメージを,L * a * b *色空間など,輝度チャネルのある色空間に変換します。輝度チャネルのノRGB。

参考