基于python使用深度卷积神经网络的图像去噪设计与实现（源码+说明文档+数据集）

### 1. 项目介绍 #### 1.1 项目的背景 该项目是为了研究基于深度卷积神经网络的图像去噪算法，是利用DnCNN模型，但是为了比较该算法的效果，另外实现了四种传统的图像去噪算法（均值滤波、中值滤波、非局部均值滤波NLM和三维块匹配滤波BM3D）作为对照组。 #### 1.2 噪声强度和类型 项目中实现五种算法对噪声强度为10,15,20...60,65,70的高斯白噪声进行处理。 #### 1.3 评价指标 图像去噪后，如何评估算法去噪效果的好坏呢？项目中采用峰值信噪比PSNR和结构相似性SSIM作为评价指标。一般来说，PSNR越大，去噪效果越好。SSIM取值为0到1，越接近1，表示效果越好。 ### 2. 数据集介绍 该项目中只是对Set12数据集进行处理，也就是项目中的Set12目录下的12张图片。如果觉得数据量不够充分，可以自行添加其他数据集，在代码中修改一下数据集的目录即可。 ### 3. 代码介绍 对于均值滤波、中值滤波、和NLM，MATLAB都已经实现了，所以我们直接调用MATLAB自带的函数就可以。 BM3D和DnCNN的代码都是从别人那儿clone下来，做了一些小的修改。 五种算法都是对Set12数据集进行去噪，去噪的结果并没有保存，只是在运行过程中能看到去噪前和去噪后的图像对比，感兴趣的朋友可以自己将图像保存下来观察。 ### 4. 代码运行 五种算法分别在五个不同的目录中，所以你只需要进行对应的目录，运行代码即可。 + 均值滤波、中值滤波、NLM算法对应的目录分别为avefilter、medainfilter、nlm-image-denoising。每个目录下只有一个.m文件，所以只需要运行对应的文件即可。 + BM3D对应的目录是BM3D，运行该目录下的main.m程序即可。 + DnCNN对应的目录是DnCNN，运行该目录下的Demo_test_DnCNN.m程序即可，该算法目录中对应的还有好几个代码，都是原项目中有的，我没有动过，感兴趣的朋友可以自己看看。