## Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising
### Main Contents
**demos**: `Demo_test_DnCNN-.m`.
**model**: including the trained models for Gaussian denoising; a single model for Gaussian denoising, single image super-resolution (SISR) and deblocking.
**testsets**: BSD68 and Set10 for Gaussian denoising evaluation; Set5, Set14, BSD100 and Urban100 datasets for SISR evaluation; Classic5 and LIVE1 for JPEG image deblocking evaluation.
To run the testing demos `Demo_test_DnCNN-.m`, you should first [install](http://www.vlfeat.org/matconvnet/install/) [MatConvNet](http://www.vlfeat.org/matconvnet/).
Note: If you did not install MatConvNet, just replace `res = vl_simplenn(net,input,[],[],'conserveMemory',true,'mode','test')` with `res = simplenn_matlab(net, input)`.
For the training code, feel free to contact: cskaizhang@gmail.com
### Results
#### Gaussian Denoising
The average PSNR(dB) results of different methods on the BSD6868 dataset.
| Noise Level | BM3D | WNNM | EPLL | MLP | CSF |TNRD | DnCNN-S | DnCNN-B |
|:-------:|:-------:|:-------:|:-------:|:-------:|:-------:|:-------:|:-------:|:-------:|
| 15 | 31.07 | 31.37 | 31.21 | - | 31.24 | 31.42 | **31.73** | **31.61** |
| 25 | 28.57 | 28.83 | 28.68 | 28.96 | 28.74 | 28.92 | **29.23** | **29.16** |
| 50 | 25.62 | 25.87 | 25.67 | 26.03 | - | 25.97 | **26.23** | **26.23** |
#### Gaussian Denoising, Single ImageSuper-Resolution and JPEG Image Deblocking via a Single (DnCNN-3) Model
Average PSNR(dB)/SSIM results of different methods for Gaussian denoising with noise level 15, 25 and 50 on BSD68 dataset, single image super-resolution with
upscaling factors 2, 3 and 40 on Set5, Set14, BSD100 and Urban100 datasets, JPEG image deblocking with quality factors 10, 20, 30 and 40 on Classic5 and LIVE11 datasets.
###### Gaussian Denoising
| Dataset | Noise Level | BM3D | TNRD | DnCNN-3 |
|:---------:|:---------:|:---------:|:---------:|:---------:|
| | 15 | 31.08 / 0.8722 | 31.42 / 0.8826 | 31.46 / 0.8826 |
| BSD68 | 25 | 28.57 / 0.8017 | 28.92 / 0.8157 | 29.02 / 0.8190 |
| | 50 | 25.62 / 0.6869 | 25.97 / 0.7029 | 26.10 / 0.7076 |
###### Single Image Super-Resolution
| Dataset | Upscaling Factor | TNRD | VDSR |DnCNN-3|
|:---------:|:---------:|:---------:|:---------:|:---------:|
| | 2 | 36.86 / 0.9556 | 37.56 / 0.9591 | 37.58 / 0.9590 |
|Set5 | 3 | 33.18 / 0.9152 | 33.67 / 0.9220 | 33.75 / 0.9222 |
| | 4 | 30.85 / 0.8732 | 31.35 / 0.8845 | 31.40 / 0.8845 |
||
| | 2 | 32.51 / 0.9069 | 33.02 / 0.9128 | 33.03 / 0.9128 |
|Set14 | 3 | 29.43 / 0.8232 | 29.77 / 0.8318 | 29.81 / 0.8321 |
| | 4 | 27.66 / 0.7563 | 27.99 / 0.7659 | 28.04 / 0.7672 |
||
| | 2 | 31.40 / 0.8878 | 31.89 / 0.8961 | 31.90 / 0.8961 |
|BSD100 | 3 | 28.50 / 0.7881 | 28.82 / 0.7980 | 28.85 / 0.7981 |
| | 4 | 27.00 / 0.7140 | 27.28 / 0.7256 | 27.29 / 0.7253 |
||
| | 2 | 29.70 / 0.8994 | 30.76 / 0.9143 | 30.74 / 0.9139 |
|Urban100| 3 | 26.42 / 0.8076 | 27.13 / 0.8283 | 27.15 / 0.8276 |
| | 4 | 24.61 / 0.7291 | 25.17 / 0.7528 | 25.20 / 0.7521 |
###### JPEG Image Deblocking
| Dataset | Quality Factor | AR-CNN | TNRD | DnCNN-3 |
|:---------:|:---------:|:---------:|:---------:|:---------:|
|Classic5| 10 | 29.03 / 0.7929 | 29.28 / 0.7992 | 29.40 / 0.8026 |
| | 20 | 31.15 / 0.8517 | 31.47 / 0.8576 | 31.63 / 0.8610 |
| | 30 | 32.51 / 0.8806 | 32.78 / 0.8837 | 32.91 / 0.8861 |
| | 40 | 33.34 / 0.8953 | - | 33.77 / 0.9003 |
||
| LIVE1 | 10 | 28.96 / 0.8076 | 29.15 / 0.8111 | 29.19 / 0.8123 |
| | 20 | 31.29 / 0.8733 | 31.46 / 0.8769 | 31.59 / 0.8802 |
| | 30 | 32.67 / 0.9043 | 32.84 / 0.9059 | 32.98 / 0.9090 |
| | 40 | 33.63 / 0.9198 | - | 33.96 / 0.9247 |
没有合适的资源?快使用搜索试试~ 我知道了~
基于深度卷积神经网络的DnCNN的图像滤波算法.zip
共65个文件
mat:33个
m:18个
png:12个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 168 浏览量
2024-10-11
21:41:32
上传
评论
收藏 75.45MB ZIP 举报
温馨提示
基于深度卷积神经网络的DnCNN的图像滤波算法.zip个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,评审分98分。主要针对计算机相关专业和需要项目实战练习的学习者,也可作为课程设计、期末大作业。个人经导师指导并认可通过的高分项目,
资源推荐
资源详情
资源评论
收起资源包目录
基于深度卷积神经网络的DnCNN的图像滤波算法.zip (65个子文件)
基于深度卷积神经网络的DnCNN的图像滤波算法
Demo_test_DnCNN.m 3KB
Demo_test_CDnCNN_Specific.m 2KB
Demo_FDnCNN_Gray_Clip.m 4KB
utilities
simplenn_matlab.m 832B
Cal_PSNRSSIM.m 6KB
vl_ffdnet_matlab.m 1KB
shave.m 110B
vl_simplenn.m 4KB
Merge_Bnorm_Demo.m 105B
vl_ffdnet_concise.m 1KB
data_augmentation.m 769B
vl_simplenn_mergebnorm.m 1KB
modcrop.m 279B
sigma=25_Bnorm.mat 2.27MB
Demo_FDnCNN_Gray.m 4KB
testsets
Set12
09.png 181KB
05.png 40KB
02.png 34KB
10.png 174KB
08.png 148KB
04.png 42KB
12.png 189KB
01.png 37KB
03.png 39KB
11.png 205KB
07.png 39KB
06.png 40KB
Demo_test_DnCNN_C.m 2KB
model
FDnCNN_Clip_gray.mat 2.64MB
GD_Color_Blind.mat 2.64MB
FDnCNN_Clip_color.mat 2.65MB
README.txt 4KB
specifics_color
Add (color) specific models.md 2B
color_sigma=35.mat 2.65MB
model_sigma=00to10.mat 2.64MB
model_sigma=60to70.mat 2.64MB
color_sigma=50.mat 2.65MB
model_sigma=40to50.mat 2.63MB
color_sigma=25.mat 2.65MB
color_sigma=10.mat 2.65MB
model_sigma=80to90.mat 2.64MB
color_sigma=05.mat 2.65MB
model_sigma=20to30.mat 2.64MB
color_sigma=15.mat 2.65MB
specifics
sigma=10.mat 2.2MB
sigma=75.mat 2.19MB
sigma=55.mat 2.19MB
sigma=35.mat 2.19MB
sigma=50.mat 2.19MB
sigma=15.mat 2.19MB
sigma=30.mat 2.19MB
sigma=65.mat 2.19MB
sigma=40.mat 2.19MB
sigma=25.mat 2.19MB
sigma=20.mat 2.19MB
sigma=60.mat 2.19MB
sigma=70.mat 2.19MB
sigma=45.mat 2.2MB
DnCNN3.mat 2.64MB
FDnCNN_color.mat 2.65MB
GD_Gray_Blind.mat 2.64MB
FDnCNN_gray.mat 2.64MB
Demo_FDnCNN_Color.m 4KB
Demo_test_DnCNN3.m 13KB
Demo_FDnCNN_Color_Clip.m 4KB
共 65 条
- 1
资源评论
墨痕_777
- 粉丝: 4005
- 资源: 753
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功