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,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”)
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”)
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)
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
denoisingNetwork
|denoiseImage
|rgb2lab
|lab2rgb
|psnr值
|ssim
|imnoise