深立井井壁图像的卷积神经网络去噪方法

贾晓芬

,

郭永存

,

柴华荣

,

赵佰亭

,

黄友锐

【摘

要】

摘要

:

为了实现井壁缺陷的自动检测

,

提出去除井壁图像噪声的卷积神

经网络

(CNN)

模型

(ELU-CNN)

。该模型为深

28

层的全卷积网络模型

,

由

5

个特

征提取模块

(FEM)

和跳跃连接组成

;

跳跃连接将第一卷积层的输出特征与每一个

FEM

的输出特征串联融合

,

保证图像特征的充分提取

;

使用残差学习来缓解梯度

消失并提高收敛速度

,

保证训练后的去噪模型学习到的非线性映射是图像噪声

;

选

用

ELU

作为激活函数

,

它具有软饱和性且输出均值接近于零

,

能增强模型对输入

噪声的鲁棒性并加速模型收敛。在标准测试集

BSD68

、

set12

及实际井壁图像

上

,

验证

ELU-CNN

模型的去噪性能并和先进方法作比较

,

实验结果表明

:

与

FFDNet

模型相比

,ELU-CNN

模型的平均峰值信噪比

,

在含噪声浓度

σ

为

(15,25,35,50,75)

的

BSD68

、

set12

测

试

集

上

分

别

提

高

了

(0.17,0.11,0.08,0.05,0.03) dB

、

(0.18,0.16,0.08,0.06,0.07) dB

。在去除井壁图

像盲噪声时

,ELU-CNN

模型能更好地保留缺陷的纹理信息。

【期刊名称】

西安交通大学学报

【年

(

卷

),

期】

2019(053)006

【总页数】

8

【关键词】

关键词

:

图像去噪

;

卷积神经网络

;

井壁图像

;

深立井

基金项目

:

国家自然科学基金资助项目

(61501006);

安徽省高校自然科学研究重

大

资

助

项

目

(KJ2018ZD008);

国

家

重

点

研

发

计

划

专

项

资

助

项

目

(2016YFC0600908)

。

网络出版时间

:2019-03-22