陳琦 張?jiān)换?王紅

摘 ?要：圖像在進(jìn)行傳遞表達(dá)信息時(shí)會(huì)受到一定噪音的影響，使得圖像的信息度降低，整個(gè)圖像的平滑度降低，所以，為了保證圖像在傳輸過程中的準(zhǔn)確度、圖像整體的效果，會(huì)對(duì)圖像進(jìn)行預(yù)處理——專門的去噪，專門的去噪過程有多種，其中包括空域、變換域和機(jī)器學(xué)習(xí)三大類方法，而其中較為成熟的應(yīng)用技術(shù)要屬機(jī)器學(xué)習(xí)方法，機(jī)器學(xué)習(xí)的圖像去噪又有三大類，分別是神經(jīng)網(wǎng)絡(luò)、稀疏算法和向量算法，通過對(duì)去噪過程進(jìn)行研究，提高圖像在信息傳遞中的清晰度和準(zhǔn)確度，同時(shí)，增強(qiáng)去噪的作用效果。本文將主要就機(jī)器學(xué)習(xí)的去噪過程進(jìn)行研究，分別從機(jī)器學(xué)習(xí)的去噪研究的含義，去噪研究的應(yīng)用及提高去噪作用效果的相應(yīng)措施幾個(gè)方面進(jìn)行詳細(xì)討論，為日后相應(yīng)的措施改變提供理論參考和借鑒。

關(guān)鍵詞：機(jī)器學(xué)習(xí);圖像去噪;應(yīng)用改進(jìn)

中圖分類號(hào)：TP391.41;TP181 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）14-0071-03

Research on Image Denoising Based on Machine Learning

CHEN Qi，ZHANG Yuehua，WANG Hong

（Shandong Huayu University of Technology，Dezhou ?253034，China）

Abstract：Image in conveying information will be influenced by a certain noise，make the image information degree is reduced，the smoothness of the image is reduced，Therefore，in order to guarantee the accuracy of image in the process of transmission，the effect of the image as a whole，the image preprocessing，through specialized denoising，there are many types of specialized denoising process，including the airspace，transform domain and machine learning methods，and the more mature application technology is machine learning methods，machine learning image denoising and three categories，respectively is neural networks，sparse algorithm and vector algorithm，through the research of the denoising process improve the clarity and accuracy of the image in the transmission of information，and enhance the effect of denoising. This paper will mainly study the denoising process of machine learning，and discuss in detail the meaning of the denoising study of machine learning，the application of the denoising study and the corresponding measures to improve the effect of the denoising study，so as to provide theoretical reference and reference for the corresponding measures in the future.

Keywords：machine learning;image denoising;application of improved

0 ?引 ?言

圖像去噪過程有三種，分別是空域、變換域和機(jī)器學(xué)習(xí)三種，每一種去噪方法有著相應(yīng)的優(yōu)缺點(diǎn)，其中，較為成熟的是基于機(jī)器學(xué)習(xí)的去噪研究，分為神經(jīng)網(wǎng)絡(luò)、稀疏算法和向量算法。神經(jīng)網(wǎng)絡(luò)是日常較為常用的一種方法，其中有三種通過的神經(jīng)網(wǎng)絡(luò)，分別是卷積神經(jīng)網(wǎng)絡(luò)、普通神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)，通過對(duì)圖像進(jìn)行基于機(jī)器學(xué)習(xí)的去噪，提高圖像展現(xiàn)信息的程度和效果，增強(qiáng)信息傳輸?shù)哪芰?。本文將主要?duì)機(jī)器學(xué)習(xí)的圖像去噪研究進(jìn)行詳細(xì)討論，其中相應(yīng)的含義，作用，及改進(jìn)措施會(huì)依次進(jìn)行論述，為日后相應(yīng)的措施提供理論經(jīng)驗(yàn)。

1 ?基于機(jī)器學(xué)習(xí)的圖像去噪含義與分類

所謂去噪，就是去除噪音，數(shù)字圖像在獲取和傳輸過程中會(huì)受到一定噪音的干擾，通過對(duì)圖像進(jìn)行去噪處理，以提高圖像的質(zhì)量，圖像去噪有一定的技術(shù)基礎(chǔ)，其中，基于機(jī)器學(xué)習(xí)的去噪應(yīng)用較為成熟，以機(jī)器學(xué)習(xí)為基礎(chǔ)，提高圖像的質(zhì)量，機(jī)器學(xué)習(xí)的圖像去噪有三種，分別為稀疏表示、神經(jīng)網(wǎng)絡(luò)和向量算法，接下來(lái)，將通過大致的介紹幾種具體的去噪應(yīng)用，來(lái)為后文相應(yīng)的措施提供基礎(chǔ)。

1.1 ?稀疏表示的圖像去噪

所謂的稀疏表示指的是通過將信號(hào)在處理過程中用一種較為稀疏的方式表示，提高圖像信息的利用率和獲取率，指用一種稱為字典的函數(shù)表示圖像信息，其中每個(gè)組成元素稱為原子，圖像的整個(gè)是由原子組成的函數(shù)的線性組合，通過此種方式，提高圖像的表達(dá)效果和獲取信息的程度，稀疏表示的圖像去噪是通過稀疏噪音編碼的使用，通過稀疏噪音編碼將相似的噪音進(jìn)行編碼，一旦系統(tǒng)或者算法感知到相似的音域?qū)⑦M(jìn)行稀釋或者阻斷，以此提高圖像的清晰度，減少圖像在使用過程中的雜音，由于這種方法有一定的局限性，對(duì)于未進(jìn)行標(biāo)記的噪音無(wú)法及時(shí)進(jìn)行識(shí)別和處理，所以，在機(jī)器學(xué)習(xí)領(lǐng)域中，此種方法并非常用方法。

1.2 ?基于神經(jīng)網(wǎng)絡(luò)的圖像去噪研究

神經(jīng)網(wǎng)絡(luò)中的圖像去噪研究有三種，分別是卷積神經(jīng)網(wǎng)絡(luò)、普通神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)三種。卷積神經(jīng)網(wǎng)絡(luò)是一種人工處理的神經(jīng)網(wǎng)，在圖像識(shí)別、去噪研究中成為熱點(diǎn)，卷積神經(jīng)網(wǎng)絡(luò)去噪是通過卷積子網(wǎng)和反卷積子網(wǎng)進(jìn)行的，通過兩者的對(duì)稱處理將多余的噪音進(jìn)行清除，這種方法可以對(duì)圖像中的任何信息產(chǎn)生不變性，不會(huì)因?yàn)樘幚矶淖儓D像中的任何信息，卷積神經(jīng)網(wǎng)絡(luò)的有效應(yīng)用使得圖像在處理過程中的噪音明顯的降低，提高了圖像在使用過程中的有效性。普通神經(jīng)網(wǎng)絡(luò)是通過人工神經(jīng)網(wǎng)絡(luò)檢測(cè)器識(shí)別發(fā)現(xiàn)的，通過檢測(cè)器的檢測(cè)，識(shí)別出相應(yīng)的噪音，從而進(jìn)行清除，普通的神經(jīng)網(wǎng)絡(luò)在圖像去噪方面的應(yīng)用較為簡(jiǎn)單，并且缺點(diǎn)也較為明顯，不能清晰地將噪音進(jìn)行去除，普通神經(jīng)網(wǎng)絡(luò)的再次更新是模糊網(wǎng)絡(luò)。模糊神經(jīng)系統(tǒng)與模糊網(wǎng)絡(luò)結(jié)合形成模糊神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集信息的獲取，識(shí)別，處理，分析，綜合等于一體，通過模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用，使得圖像的去噪應(yīng)用更為創(chuàng)新，第三種是第二種處理方式的更迭，通過這三種方式的使用，使得圖像在處理信息過程中免受噪音的干擾，如圖1所示。

1.3 ?基于向量機(jī)的圖像去噪

向量機(jī)是基于統(tǒng)計(jì)數(shù)據(jù)的使用，通過向量機(jī)的使用將圖像處理過程中的各種雜音進(jìn)行去除，在圖像去噪方面取得了不錯(cuò)的效果，通過向量機(jī)的使用，圖像去噪變得更加簡(jiǎn)潔方便，向量機(jī)使得圖像在使用過程中的噪音有效地去除，并且保證原有的已知的有價(jià)值的圖像信息不受干擾，向量機(jī)的使用實(shí)際上與數(shù)學(xué)原理相關(guān)，與數(shù)學(xué)在此方面的應(yīng)用有關(guān)系，向量機(jī)的使用目前是不太完善的，需要時(shí)間進(jìn)行補(bǔ)充完善，從而提高圖像在使用過程的去噪效果。

2 ?基于機(jī)器學(xué)習(xí)的圖像去噪的相應(yīng)應(yīng)用

基于機(jī)器學(xué)習(xí)的圖像去噪技術(shù)已經(jīng)在日常生活中有很多應(yīng)用，其中在科研領(lǐng)域、通信領(lǐng)域、醫(yī)療領(lǐng)域甚至是刑偵領(lǐng)域都有著具體的應(yīng)用與實(shí)踐，對(duì)其的研究主要是為了應(yīng)用更為廣泛，應(yīng)用效果提升。

2.1 ?刑偵領(lǐng)域

攝像頭的使用在刑偵破案領(lǐng)域是必備的，同時(shí)也是發(fā)現(xiàn)線索的主要來(lái)源，然而，有時(shí)攝像頭中的信息處理尤其是圖像在處理過程中會(huì)由于噪音等問題，降低攝像圖像的畫質(zhì)，使得圖像模糊，從而很難發(fā)現(xiàn)更為有價(jià)值的線索，因此，會(huì)在獲取圖像信息的過程中進(jìn)行去噪處理，通過對(duì)噪音的消除，提高畫質(zhì)的質(zhì)量，從而提升破案的效果和速度，破案的質(zhì)量也會(huì)有相應(yīng)的提升，除了在攝像頭等方面的使用外，在視頻信息的處理過程中也會(huì)有所涉及，通過對(duì)視頻的剪輯和圖像的相應(yīng)處理，提高視頻的清晰度，使得警方破案順利。

2.2 ?醫(yī)療領(lǐng)域

醫(yī)療領(lǐng)域需要圖像的方面很多，核磁共振，腦部CT等等都是需要進(jìn)行圖像處理的，尤其在醫(yī)療領(lǐng)域有專門的醫(yī)療影像，這其中就有對(duì)圖像進(jìn)行信息的獲取、處理、分析的過程，在整個(gè)過程的進(jìn)行中，難免會(huì)存在噪音，噪音使得圖像在處理過程中的準(zhǔn)確度降低，從而醫(yī)生對(duì)于病人病況的判斷就會(huì)不準(zhǔn)確，這時(shí)，對(duì)于醫(yī)療領(lǐng)域來(lái)說(shuō)，圖像更為重要，圖像的判斷顯示的是病人的生命，必須進(jìn)行詳細(xì)的診斷，圖像在處理過程中的去噪研究需要更為高的水平，要求更為嚴(yán)格，一般是使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，提高信息的準(zhǔn)確度和降低對(duì)信息的影響。

2.3 ?科研領(lǐng)域

科研領(lǐng)域?qū)τ趫D像的精確度要求會(huì)很高，圖像所展現(xiàn)的信息會(huì)對(duì)整個(gè)實(shí)驗(yàn)過程，實(shí)驗(yàn)結(jié)果產(chǎn)生影響，為了確保實(shí)驗(yàn)結(jié)果的有效性和正確率，進(jìn)行圖像的預(yù)處理及圖像的去噪應(yīng)用就顯得很有必要，通過對(duì)圖像進(jìn)行相應(yīng)的處理，消除掉無(wú)效的雜音，科研領(lǐng)域中的圖像去噪一般使用的是依據(jù)數(shù)學(xué)統(tǒng)計(jì)為原理的，通過數(shù)學(xué)模型進(jìn)行應(yīng)用的向量機(jī)的圖像去噪，通過此種方式，提高圖像在使用過程中的正確度和標(biāo)準(zhǔn)程度?？蒲蓄I(lǐng)域中的圖像去噪較為復(fù)雜，需要進(jìn)行相應(yīng)的研究及提升。

2.4 ?教育領(lǐng)域

教育領(lǐng)域中的圖像一般是用于多媒體中，通過互聯(lián)網(wǎng)傳出的圖像，有時(shí)會(huì)出現(xiàn)噪音干擾，降低圖像對(duì)教育圖像的影響，提高教學(xué)質(zhì)量與學(xué)生的學(xué)習(xí)質(zhì)量需要進(jìn)行圖像的去噪，圖像的去噪過程較為簡(jiǎn)單，由于教育領(lǐng)域?qū)τ趫D像的要求并非很高，一般而言，使用普通神經(jīng)網(wǎng)絡(luò)就可以有效去除圖像中的噪音，是一個(gè)非常簡(jiǎn)單快捷的應(yīng)用。教育領(lǐng)域內(nèi)進(jìn)行圖像的去噪主要是為了便于學(xué)生在學(xué)習(xí)中不會(huì)受到干擾，提高學(xué)生的學(xué)習(xí)結(jié)果和學(xué)習(xí)質(zhì)量，對(duì)于教師而言，不會(huì)在講解過程中出現(xiàn)多種問題，這就是圖像去噪的基本應(yīng)用。

3 ?基于機(jī)器學(xué)習(xí)的圖像去噪提升措施

將機(jī)器學(xué)習(xí)的原理應(yīng)用于圖像去噪過程，通過圖像去噪的應(yīng)用使得圖像的處理更加提升，圖像的質(zhì)量加以提高，這便是圖像去噪的目的。

3.1 ?改進(jìn)算法程序，加快去噪速度

上文提到機(jī)器學(xué)習(xí)的圖像去噪是通過算法得以實(shí)現(xiàn)的，將進(jìn)行去噪的算法改進(jìn)，使用Python作為主要語(yǔ)言來(lái)編寫圖像去噪神經(jīng)網(wǎng)絡(luò)，Python的語(yǔ)法更人性化，可以讓精力集中在編程對(duì)象和思維方法上。但是Python作為一種解釋性語(yǔ)言，其運(yùn)行效率遠(yuǎn)低于C/C++。針對(duì)這個(gè)問題，本文采用了混合編程的方法。Python被稱為“膠水”語(yǔ)言，它可以很好地與C/C++及其他一些語(yǔ)言進(jìn)行相互調(diào)用。通過實(shí)驗(yàn)發(fā)現(xiàn)，使用Python語(yǔ)言對(duì)一個(gè)512*512*3的圖像矩陣做預(yù)處理操作約需要2500ms的時(shí)間，而使用C++語(yǔ)言對(duì)該模塊進(jìn)行重寫后同樣的處理過程只需5ms。速度是之前的近500倍，這大大提高了整個(gè)網(wǎng)絡(luò)的運(yùn)行速度。

3.2 ?深度挖掘原理，提升去噪質(zhì)量

圖像去噪是基于機(jī)器學(xué)習(xí)的原理進(jìn)行操作與應(yīng)用的，雖然對(duì)于機(jī)器學(xué)習(xí)方面已經(jīng)進(jìn)行了系列的研究與提升，但是有可能出現(xiàn)過擬合現(xiàn)象，為了避免過擬合問題，一個(gè)非常常用的方法是正則化（Regularization）。正則化的思想就是在損失函數(shù)中加入刻畫模型復(fù)雜程度的指標(biāo)。假設(shè)用于刻畫模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)的損失函數(shù)為J（?），MAME在優(yōu)化是不直接優(yōu)化J（?），而是優(yōu)化J（?）+λR（w）。其中R（w）刻畫的是模型的復(fù)雜程度，而λ表示模型復(fù)雜損失在總損失中的比例。注意這里?表示的是一個(gè)神經(jīng)網(wǎng)絡(luò)中所有的參數(shù)，它包括邊上的權(quán)重w和偏置項(xiàng)b。一般來(lái)說(shuō)模型復(fù)雜度只由權(quán)重w決定。常用的刻畫模型復(fù)雜度的函數(shù)R（w）有兩種，一種是L1正則化，計(jì)算公式如下：

3.3 ?綜合去噪方法，改進(jìn)去噪應(yīng)用

上述提到了圖像去噪有多種方法，不僅僅有以機(jī)器學(xué)習(xí)為基礎(chǔ)的，還有其他的，將多種方式方法的使用進(jìn)行相應(yīng)的融合，以便優(yōu)點(diǎn)得以綜合，更加的發(fā)揚(yáng)，缺點(diǎn)得以有效的改進(jìn)，像上述提到的向量機(jī)與神經(jīng)網(wǎng)絡(luò)就可以綜合，將數(shù)學(xué)統(tǒng)計(jì)與神經(jīng)系統(tǒng)相結(jié)合，以此提升去噪的效果，是一個(gè)不錯(cuò)的應(yīng)用與技巧，通過綜合去噪方法，有效提升去噪的質(zhì)量，是非常值得嘗試與使用的。

3.4 ?提升專業(yè)技能技巧

所謂提升專業(yè)技能技巧針對(duì)的是進(jìn)行圖像去噪過程中的研發(fā)與設(shè)計(jì)人員，需要對(duì)其進(jìn)行培訓(xùn)，以便提升專業(yè)人員的發(fā)展?jié)撃芘c發(fā)展?jié)摿Γㄟ^專業(yè)人員的發(fā)展，以便圖像去噪得到更好的發(fā)展，提升專業(yè)人員的技能技巧并非單單是培訓(xùn)可以完成的，需要的還有情懷的培養(yǎng)，以便更好地提高專業(yè)抱負(fù)。

4 ?結(jié) ?論

基于機(jī)器學(xué)習(xí)的去噪研究是目前圖像處理領(lǐng)域研究的熱點(diǎn)，并非單單的簡(jiǎn)單處理就可以實(shí)現(xiàn)，需要的更多是專業(yè)技能的提升，專業(yè)知識(shí)的研究等，需要經(jīng)過時(shí)間慢慢地改變與完善。通過現(xiàn)實(shí)生活中的應(yīng)用與實(shí)踐，逐漸摸索出真正的去噪方法。

參考文獻(xiàn)：

[1] 江唯奕.數(shù)字圖像去噪算法原理及應(yīng)用 [J].電子制作，2019（6）：26-28.

[2] 李勝旺，韓倩.基于深度學(xué)習(xí)的圖像處理技術(shù) [J].數(shù)字技術(shù)與應(yīng)用，2018，36（9）：65-66.

[3] 王萌萌，屈紅偉，孫燕，等.基于自適應(yīng)非局部稀疏編碼圖像去噪方法 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2017，38（8）：2178-2183.

[4] 徐政超.使用稀疏表達(dá)和機(jī)器學(xué)習(xí)的行人檢測(cè)技術(shù)探討 [J].科技創(chuàng)新與應(yīng)用，2017（10）：75.

[5] 郭德全，楊紅雨，劉東權(quán)，等.基于稀疏性的圖像去噪綜述 [J].計(jì)算機(jī)應(yīng)用研究，2012，29（2）：406-413.

作者簡(jiǎn)介：陳琦（1985-），男，漢族，山東濟(jì)寧人，教師，初級(jí)職稱，碩士，研究方向：計(jì)算機(jī)應(yīng)用技術(shù)。