数字技术与应用杂志社

摘要：<正>随着深度学习技术的不断发展及其广泛应用，针对缺失清晰图像的情形，本文提出了一种基于自监督学习的集成神经网络方法，该方法仅需要输入单幅噪声图像即可实现图像去噪。首先使用伯努利采样（Bernoulli Sampling, BS）方法，生成噪声图像对，实现样本增广；其次构建“编码器-解码器”的神经网络结构，使用伯努利采样方法，实现神经网络差异化；最后通过优化更新图像对样本和神经网络的权重，集成多个神经网络，并根据各神经网络的权重来集成神经网络输出的去噪图像，从而得到清晰的去噪图像。实验结果表明，所提出的方法泛化性能较好，

基金资助： 国家自然科学基金项目（52105167）；

专辑： 信息科技

专题： 计算机软件及计算机应用;自动化技术

分类号： TP391.41;TP183