Page 302 - 《软件学报》2020年第12期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2020,31(12):3968−3980 [doi: 10.13328/j.cnki.jos.005866] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
基于级联密集网络的轮廓波变换域图像复原

1
1
1
2
刘宇男 , 张姗姗 , 王春鹏 , 李广宇 , 杨 健 1
1
(南京理工大学 计算机科学与工程学院,江苏 南京 210094)
2 (齐鲁工业大学 计算机科学与技术学院,山东 济南 250353)
通讯作者: 张姗姗, E-mail: shanshan.zhang@njust.edu.cn

摘 要: 近年来,卷积神经网络凭借极强的学习能力,在图像复原任务上实现了比传统学习方法更令人满意的结
果.但是,由于丢失了重要的纹理细节,这些基于卷积神经网络的方法普遍存在着复原图像过度平滑的缺点.为解决
该问题,提出一种基于级联密集型卷积神经网络的轮廓波域图像复原方法,可以应用于单幅图像去噪、超分辨率及
JPEG 解压缩这 3 个经典图像复原任务.首先,构建了一种紧凑的级联密集型网络结构,不但可以充分挖掘和利用不
同层次的图像特征,而且解决了由于网络加深带来的长期依赖问题.接着,引入可以稀疏表示图像重要特征的轮廓波
变换,分别将低质量图像和重建图像对应的轮廓波子带作为网络的输入和输出,更加有效地恢复出逼真的结构和纹
理细节.在标准测试集的实验表明:提出的方法在 3 个图像复原任务上达到了当前最优的性能,不但获得了更高的峰
值信噪比和结构相似度,而且在主观的重建图像中包含了更加真实的纹理细节.
关键词: 图像去噪;超分辨率;JPEG 解压缩;轮廓波变换;级联密集型卷积神经网络
中图法分类号: TP391

中文引用格式: 刘宇男,张姗姗,王春鹏,李广宇,杨健.基于级联密集网络的轮廓波变换域图像复原.软件学报,2020,31(12):
3968−3980. http://www.jos.org.cn/1000-9825/5866.htm
英文引用格式: Liu YN, Zhang SS, Wang CP, Li GY, Yang J. Image restoration based on cascading dense network in contourlet
transform domain. Ruan Jian Xue Bao/Journal of Software, 2020,31(12):3968−3980 (in Chinese). http://www.jos.org.cn/1000-
9825/5866.htm

Image Restoration Based on Cascading Dense Network in Contourlet Transform Domain

1
1
2
1
LIU Yu-Nan , ZHANG Shan-Shan , WANG Chun-Peng , LI Guang-Yu , YANG Jian 1
1 (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)
2 (School of Computer Science and Technology, Qilu University of Technology, Ji’nan 250353, China)
Abstract: In recent years, due to the powerful learning ability, convolutional neural networks (CNN) have achieved more satisfactory
results than conventional learning methods in image restoration tasks. However, these CNN-based methods generally have the
disadvantage of producing over-smoothed restored image due to the fact that losing important textural details. In order to solve this
problem, this study proposes an image restoration method based on cascaded dense CNN (CDCNN) in contourlet transform, which can be
used for three classical image restoration tasks, namely, single image denoising, super resolution, and JPEG decompression. First, this

∗ 基金项目: 国家自然科学基金(61702262, 61861136011, 61802212, U1713208); 长江学者计划; 江苏省自然科学基金(BK2018
1299); 中央高校基本科研专项基金(30918011322); 中国科学技术协会青年人才托举工程(2018QNRC001); 并行与分布式处理实验
室科学技术开放基金(WDZC20195500106)
Foundation item: National Natural Science Foundation of China (61702262, 61861136011, 61802212, U1713208); Program for
Changjiang Scholars; Natural Science Foundation of Jiangsu Province (BK20181299); Fundamental Research Founds for the Central
Universities (30918011322); Young Elite Scientists Sponsorship Program by CAST (2018QNRC001); Science and Technology on Parallel
and Distributed Processing Laboratory (PDL) Open Fund (WDZC20195500106)
收稿时间: 2019-01-10; 采用时间: 2019-05-13; jos 在线出版时间: 2019-08-09
CNKI 网络优先出版: 2019-08-12 12:08:15, http://kns.cnki.net/kcms/detail/11.2560.TP.20190812.1208.009.html