上传者: 38555304
|
上传时间: 2021-12-16 09:21:15
|
文件大小: 3.12MB
|
文件类型: -
在本文中,我们提出了一种基于深度神经网络,堆叠式稀疏去噪自动编码器(SSDA)的图像处理低层结构特征提取方法。 当前通过深度学习进行图像处理的方法是直接构建和学习输入/输出之间的端到端映射。 相反,我们提倡从输入数据中分析第一层学习功能。 利用学习到的低级结构功能,我们改进了两个边缘保留滤波器,这对于图像处理任务(例如降噪,高动态范围(HDR)压缩和细节增强)至关重要。 由于所提出的特征提取的有效性和优越性,由两个改进的滤波器计算的结果不会遭受包括光晕,边缘模糊,噪声放大和过度增强的缺点。 更重要的是,我们证明了从自然图像训练的特征不是特定的,并且可以提取红外图像的结构特征。 因此,通过直接使用经过训练的功能来处理任务是可行的。 (c)2017 Elsevier BV保留所有权利。