利用堆叠稀疏去噪自动编码器提取图像低级结构特征

简介：
本研究提出了一种基于堆叠稀疏去噪自动编码器的方法，用于从复杂背景下高效提取图像的低级结构特征，提升后续图像处理任务的效果。 本段落提出了一种基于深度神经网络的图像处理低层结构特征提取方法，该方法采用堆叠式稀疏去噪自动编码器（SSDA）。当前主流的通过深度学习进行图像处理的方法是直接构建输入与输出之间的端到端映射关系，而我们则侧重于分析从输入数据中第一层所学到的功能。利用这种低级结构功能，我们改进了两个边缘保留滤波器，这对于包括降噪、高动态范围（HDR）压缩和细节增强在内的图像处理任务至关重要。 由于该特征提取方法的有效性和优越性，由这两个改进的滤波器计算出的结果避免了一些常见的问题如光晕效应、边缘模糊、噪声放大以及过度增强。此外，我们还证明了从自然图像训练得到的功能具有普遍适用性，并能够用于红外图像结构特征的提取。因此，在处理任务时直接应用经过训练的功能是可行的。 2017年Elsevier BV保留所有权利。