摘要：目的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖塊級上實(shí)現(xiàn)的隨機(jī)脈沖噪聲(RVIN)降噪算法在執(zhí)行效率方面較經(jīng)典的逐像素點(diǎn)開關(guān)型降噪算法有顯著優(yōu)勢,但降噪效果如何取決于能否對降噪圖像受噪聲干擾程度(噪聲比例值)進(jìn)行準(zhǔn)確估計。為此,提出一種基于多層感知網(wǎng)絡(luò)的兩階段噪聲比例預(yù)測算法,達(dá)到自適應(yīng)調(diào)用CNN預(yù)訓(xùn)練降噪模型獲得最佳去噪效果的目的。方法首先,對大量無噪聲圖像添加不同噪聲比例的RVIN噪聲構(gòu)成噪聲圖像集合;其次,基于視覺碼本(visualcodebook)采用軟分配(soft-assignment)編碼法提取并篩選若干能反映噪聲圖像受隨機(jī)脈沖噪聲干擾程度的特征值構(gòu)成特征矢量;再次,將從噪聲圖像上提取的特征矢量及對應(yīng)的噪聲比例分別作為多層感知網(wǎng)絡(luò)的輸入和輸出訓(xùn)練噪聲比例預(yù)測模型,實(shí)現(xiàn)從特征矢量到噪聲比例值的映射(預(yù)測);最后,采用粗精相結(jié)合的兩階段實(shí)現(xiàn)策略進(jìn)一步提高RVIN噪聲比例的預(yù)測準(zhǔn)確性。結(jié)果針對不同RVIN噪聲比例的失真圖像,從預(yù)測準(zhǔn)確性、實(shí)際降噪效果和執(zhí)行效率3個方面驗(yàn)證提出算法的性能和實(shí)用性。實(shí)驗(yàn)數(shù)據(jù)表明,本文算法在大多數(shù)噪聲比例下的預(yù)測誤差小于2%,降噪效果(PSNR指標(biāo))較其他主流降噪算法高24dB,處理一幅大小為512×512像素的圖像僅需3s左右。結(jié)論本文提出的RVIN噪聲比例預(yù)測算法在各個噪聲比例下具有魯棒的預(yù)測準(zhǔn)確性,在降噪效果和執(zhí)行效率兩個方面較經(jīng)典的開關(guān)型RVIN降噪算法有顯著提升,更具實(shí)用價值。