基于Inception模塊的卷積自編碼器圖像去噪

雷景生 閆晨陽 楊忠光

(上海電力大學計算機科學與技術學院 上海 200082)

0 引 言

隨著計算機技術和互聯網技術的飛速發展，人們的日常生活充滿著各種各樣的信息。調查研究發現，在人類所有獲取的外界信息中，視覺系統獲取的占70%以上[1]，因此對圖像信息的獲取、處理和使用顯得尤為重要。圖像去噪是一個圖像處理領域的重要研究課題，是在去除噪聲的同時盡量把圖像中的重要信息保留下來。數字圖像處理一般可分為基于空間域的處理與基于變換域的處理[2]。基于空間域的去噪方法是在原始圖像的像素灰度空間上作運算，對像素的灰度值直接進行處理。常用的方法有均值濾波、中值濾波、基于偏微分的圖像去噪等。中值濾波可以有效地濾除椒鹽噪聲；均值濾波適用于濾除高斯噪聲；基于變換域的去噪方法是先對源圖像作圖像變換，如傅里葉變換、小波變換等。

目前，國內外學者已經提出了很多圖像去噪的方法。去噪效果較好的BM3D(Block Matching and 3D)[2]算法是將圖像分為一定大小的塊，將具有相似特征的塊合并為三維數組，采用三維濾波的方法處理三維數組，進行逆變換后獲得降噪后的圖像。Burger等[3]提出MLP(Multilayer perceptron)模型，其將圖像預處理與多層感知器神經網絡學習模型結合。Schuler等[4]提出的算法將多層感知機MLP(Multilayer Perceptron)運用于圖像去噪。Chen等[5]提出了TNRD(Trainable Nonlinear Reaction Diffusion)模型，對稀疏編碼和迭代方法進行展開成為前向反饋網絡，取得了很好的圖像去噪效果。

近年來的研究表明，自編碼器(Auto-Encoder,AE)作為深度學習中一個典型代表，通過無監督學習，主要用來學習給定數據集的壓縮、分布式特征表達，從而重構輸入數據[6]。在自編碼器的基礎上，衍生出多種自編碼器。Hinton等[7]改進原有淺層結構，提出深度學習神經網絡的概念和訓練策略，繼而產生了去噪自編碼器(Denoising Auto-Encoder，DAE)。Bengio等[8]提出稀疏自編碼器(Sparse Auto-Encoder,SAE)的概念。除此之外還有邊緣化去噪自編碼器(Marginalized Denoising Auto-Encoder,MDA)和棧式稀疏去噪自編碼器[9](Stacked Sparse Denoising Auto-Encoder,SSDA)。本文采用了基于卷積自編碼器的神經網絡去噪模型，加快了網絡的運算速度。

1 卷積自編碼器網絡結構

圖像去噪是將含噪圖像進行處理并還原圖像的過程，本文使用輕量級的網絡結構達到優秀的去噪效果，采用四層卷積自編碼器的深度學習網絡結構，為了加快網絡訓練速度，將數據集中的數據分割成20×20的大小，加入噪聲后按原圖像內容分別存入不同的H5文件，以加快文件讀取速度，更好地完成網絡訓練。

1.1 生成噪聲圖像

高斯噪聲是一種符合正態分布的隨機噪聲，也是最常見的噪聲分布，其公式如下：

(1)

T(h,w,c)=X(h,w,c)+k·Z

Z～N(μ,σ)

式中：Z是噪聲數據，符合期望為μ和方差為σ的正態分布；k是噪聲強度；X(h,w,c)是圖像的像素。最后對加噪聲后的圖像像素取值進行限制，避免數據溢出[10]。本文采用噪聲等級為25的高斯噪聲數據集，對數據進行去噪實驗。原圖與噪聲圖的比較如圖1所示，本文在噪聲等級為25的基礎上對圖像噪聲進行去除。

(a) 原圖 (b) 噪聲圖圖1 原圖與噪聲圖的比較

1.2 多特征提取Inception模塊

受VGG Net和GoogLeNet等圖像處理算法的啟發，將InceptionV3模塊用于提取圖像特征和圖像還原，并取得了良好的效果。 Inception模塊主要改進了網絡中的傳統卷積層，在增加網絡深度和寬度的同時減少參數。Inception模塊對同一輸入映射上的多個不同變換結果進行并行計算，將它們的結果連接成為一個輸出。使用Inception模塊有利于含噪圖像盡可能多地從不同大小卷積核提取特征信息，為模型網絡提供更好的泛化能力。因此本文在Inception基礎上進行了改進，將原有的卷積層修改為反卷積層作上采樣操作，使用小卷積核分別為1×1、3×3、5×5的組合降低特征圖像的通道維度，更好地還原特征圖像，使其更接近原圖。

與上采樣操作不同的是，本文使用兩層Inception模塊進行噪聲圖像去噪。但是這使得每一層特征映射的數量增加，計算成本大大增加。因此本文對Inception模塊做如下設置：

1) 將Inception每一個卷積層加入ReLU激活函數，簡化了計算過程，活躍度的分散性使得Inception模塊計算成本下降。

2) 加入批量歸一化(Batch Normalization，BN)和隨機失活層(Dropout)。BN層可以讓Inception網絡的訓練速度加快很多倍，提高網絡的泛化能力，使輸出規范化到N(0,1)的正態分布，減少了內部神經元的分布，產生更穩定的非線性輸出。實驗過程中，發現只有BN層的操作時，訓練的PSNR不穩定，考慮非數據集和非驗證集的問題后，使用Dropout層來解決模型訓練過程中出現的過擬合現象，結果發現使用Dropout層可以減少PSNR不穩定的現象。Dropout在學習過程中將隱含層部分權重或輸出隨機歸零，降低了節點間的相互依賴性。

1.3 卷積自編碼器網絡設計

為了使去噪網絡模型能夠處理自然圖像，本文將每幅圖像的數據轉化為三維矩陣。將卷積自編碼器分成解碼器和編碼器，共有4層。基于Inception模塊的卷積自編碼器去噪網絡結構如圖2所示。該網絡的優點是利用自編碼器結構，在編碼層Encoder使用InceptionV3經典結構前兩層，在解碼層Decoder使用反卷積構成Inception反卷積模塊，能更大程度地將編碼層提取的噪聲圖像特征進行深層次的還原，相較于一層反卷積能更好地還原原圖的特征。

圖2 卷積自編碼器去噪網絡結構圖

1) 編碼層Encoder。

(1) 第一層：由五個不同尺度卷積層和一個平均池化層構成Inception模塊，擴大卷積自編碼器的寬度，使用多個卷積核提取圖像不同尺寸的信息進行融合，可以得到圖像更好的表征。卷積層第一層為5×5×32、1×1×64，圖片輸出通道為64；第二層為3×3×64，圖片輸出通道為64；第三層為1×1×64，圖片輸出通道為64；第四層為平均池化層，步長為1，池化層為3×3，后接一個1×1×32的卷積層，圖片輸出通道為32。每層輸入加入標準化，Padding均為SAME使用ReLU函數防止梯度消失，最后由Concat層進行連接，加入標準化BN層，使用Dropout防止過擬合。此時圖片輸出的通道數為64+64+64+32=224。

(2) 第二層：使用Inception V3中第二個模塊的結構。Conv第一層為1×1×64；第二層為1×1×48、5×5×64；第三層為1×1×64、3×3×96，3×3×96；第四層為平均池化層，池化層大小為3×3，步長為1，后接一層卷積層，卷積核大小為1×1，通道數為32。最后由Concat層進行連接，加入標準化BN層，使用Dropout防止過擬合。經過該層Inception模塊，輸出的圖片通道為64+64+96+32=256。

2) 解碼層：Decoder。

(1) 第一層：由改進Inception模塊使用反卷積實現上采樣層。由不同尺寸的反卷積層組成，分別為3×3×16、5×5×16、1×1×16，步長設置為2，使用Concat層連接。使用改進Inception模塊進行反卷積可以使特征更好地融合，此時圖片的形狀為20×20×64，加入BN層進行標準化操作。

(2) 第二層：使用反卷積實現上采樣層，使用上采樣層將解碼層的圖像進行還原，為了得到原圖一樣的大小，通過1層的上采樣進行實現，將圖像恢復到原來的大小，此時圖片形狀為20×20×1。

綜上所述，為了增強圖像去噪的魯棒性，引入Inception模塊進行卷積操作，改進Inception模塊內的卷積進行反卷積操作，更好地對噪聲圖像特征進行提取，使用ReLU函數防止梯度消失，引入BN和Dropout操作防止網絡過擬合，提升模型整體去噪性能，縮短訓練時間。

使用該網絡進行圖像去噪的流程如圖3所示。隨著訓練次數的增加，使用驗證集來評估模型是否過擬合，具體操作為：將節點數設置為500，通過訓練集訓練出相應的參數后，由驗證集去檢測該模型的誤差，接著改變節點數。如果模型的誤差大于100%或者小于0%，則立即停止網絡并進行相應的修改。

圖3 卷積自編碼器去噪網絡的訓練流程

2 實 驗

2.1 實驗數據

基于卷積自編碼器的圖像去噪實驗采用VOC2012數據集，由于該數據集非常龐大，因此從中隨機選取1 000幅圖像作為數據集，其中700幅為訓練集，300幅為測試集。同時使用圖像去噪領域常用的10幅標準圖像作為對比實驗的參考圖像。VOC2012中的所有圖像均為彩色圖像，而本文用到的是灰度圖像，因此需要將彩色圖像轉換為灰度圖并添加噪聲等級為25的高斯噪聲。為了便于訓練，將輸入圖片裁剪為20×20的子圖像塊，將裁剪好的圖片按原圖每5幅存入一個H5文件中，以便于模型讀取和訓練。

2.2 實驗環境與評估準則

實驗環境系統配置為Windows 10操作系統，處理器為Intel Core i7-3370 CPU，內存為8 GB。

使用峰值信噪比(Peak Signal to Noise Ratio，PSNR)和結構相似度(Structural Similarity，SSIM)作為去噪評價指標，計算公式如下：

1) 均方誤差(MSE)：

(4)

2) 峰值信噪比(PSNR)：

(5)

式中：n為每像素的比特數，一般取8，即像素灰階數為256，單位為dB。PSNR值越大，代表失真越少。

3) 結構相似度(SSIM)：

(6)

2.3 網絡模型對去噪性能的影響

2.3.1Inception模塊對去噪性能影響

本文網絡大量使用Inception模塊對圖片進行特征提取，為了表現本文多個Inception結構的特征提取能力，使用普通卷積自編碼器、一層Inception模塊和本文多個Inception模塊進行PSNR對比，實驗結果如圖4所示。對比實驗設置相同的解碼層，分別為3×3×32和3×3×1的反卷積層。編碼層采用兩層卷積層的結構，普通自編碼器使用兩個3×3的卷積層作為編碼層；一層Inception模塊使用本文中第一個Inception模塊，第二層使用3×3的卷積層；兩層Inception模塊則使用本文用到的模塊。使用相同的實驗環境和訓練集，訓練過程輸出訓練PSNR。可以看出，經過500次訓練，本文算法在訓練過程中的PSNR值不斷上升，最高可達25 dB，而普通卷積自編碼器初始階段較差，前期驟升后期緩慢下降，最終在19 dB左右達到平緩；一層Inception前期波動后平緩上升，最終在21 dB左右達到平緩。而本文用到的兩層Inception模塊從一開始就優于其他兩種方法，最終在23 dB左右達到平緩。綜上，訓練次數越多，本文算法的穩定性和魯棒性越好，因此展現出較優的去噪結果。

圖4 不同編碼層對模型影響對比

2.3.2Inception反卷積模塊對去噪性能的影響

本文使用Inception反卷積對已提取的特征進行反饋，對比一層反卷積和Inception反卷積模塊對圖像去噪的影響。編碼層與本文編碼層一致，解碼層使用一層卷積核為3×3的反卷積層和本文Inception反卷積模塊進行對比實驗，實驗結果如圖5所示。可以看出，前期訓練普通一層反卷積比較穩定，而Inception反卷積模塊則出現短暫波動，在后期的訓練中使用Inception模塊比普通一層反卷積效果好，最終穩定在24 dB左右。總體而言，使用Inception反卷積模塊效果更好。

圖5 使用一層反卷積和Inception反卷積模塊對比

2.4 對比實驗分析

為了驗證本文方法的魯棒性，選用10幅經典測試圖像，與文獻[11]、文獻[12]和文獻[13]分別做對比實驗，PSNR與SSIM對比結果分別如表1和表2所示。文獻[11]和文獻[12]均使用深度卷積神經網絡進行圖像去噪。可以看出，本文算法表現出了較好的去噪效果，相比原圖，其PSNR平均提高11.088，SSIM平均提高0.451。文獻[11]和文獻[12]均使用5層深度卷積神經網絡，不同的是，文獻[11]前三層為卷積層，后兩層為反卷積層，而文獻[12]則使用5個卷積層進行去噪，本文相比于文獻[11]和文獻[12]，PSNR分別提高4.813和1.361，SSIM分別提高0.050和0.019。文獻[13]使用一層Inception模塊和五層卷積層，在相同實驗環境下發現PSNR平均提高2.626，SSIM平均提高0.011。

原圖 噪聲圖 文獻[11]

表1 10幅圖像各方法峰值信噪比(PSNR)

表2 10幅圖像各方法結構相似度(SSIM)

選取其中5幅圖像進行輸出對比，如圖6所示。可以看出，本文圖像視覺效果較好，邊緣較為清晰，通過細節可見本文去噪算法效果明顯，細節處理比較到位，更加清晰地展示了去噪后的圖像。

3 結 語

本文算法采用卷積自編碼器的結構，使用編碼層和解碼層結構，清晰地將網絡分成兩部分。其中編碼層使用多層Inception模塊進行特征提取，在解碼層則改進傳統Inception模塊，將卷積網絡修改為反卷積網絡，使圖像在反卷積網絡中能充分利用Inception模塊特征提取的優點，更好地整合圖像特征，恢復原始圖像信息。實驗結果表明，本文算法在圖像去噪中能表現出很好的魯棒性，但相較于無Inception模塊的卷積神經網絡和卷積自編碼器，本文提出的四層網絡耗時較長，如何縮短模型訓練的時間是今后研究的重點。