画像処理の応用が新興分野で拡大する中で、高性能な塩胡椒ノイズ除去は依然として挑戦的な課題です。本論文では、ノイズマスクの訓練と最近傍探索メカニズムを組み合わせた塩胡椒ノイズ除去手法を提案します。まず、9層の畳み込み層を含む軽量なニューラルネットワークを構築し、高品質なノイズマスクを生成します。次に、そのノイズマスクにおけるノイズ点のラベル付け結果に基づき、正常な画素は処理せず、最近傍探索メカニズムを利用してノイズ点に最も近接する正常画素のグレースケール値でノイズ点のグレースケール値を置換します。本論文では、ノイズ点のラベル付けに軽量な畳み込みニューラルネットワークを提案します。ネットワークの深さを減らす一方で、中間層では通常の畳み込みの代わりに深さ方向可分畳み込みを採用しており、この二つの要因により計算複雑度とパラメータ数が桁違いに削減されています。さらに、最近傍探索メカニズムに基づくノイズ除去手法を提案しており、ノイズ除去性能を向上させています。実験結果により、提案ネットワークの計算複雑度は従来のネットワークより桁違いに低く、訓練により得られたノイズマスクの誤判率は極点ラベル、平均ラベル、および極値画像ブロックラベルと比較してそれぞれ94.79%、94.79%、83.65%低減されています。さらに、ノイズ除去画像のピーク信号対雑音比は従来の畳み込みニューラルネットワーク法の結果と比較して2.53%向上し、情報損失は6.76%減少しています。本論文は、軽量畳み込みニューラルネットワークを塩胡椒ノイズ除去に初めて適用し、ネットワークの複雑さを低減し、ノイズ除去性能を向上させました。

塩胡椒ノイズ;ノイズマスク;軽量畳み込みニューラルネットワーク;最近傍探索;深層学習