이미지 처리 응용 분야가 다양한 신흥 분야로 확장됨에 따라 고성능 소금과 후추 노이즈 제거는 여전히 도전적인 과제입니다. 본 논문에서는 노이즈 마스크 학습과 최근접 이웃 탐색 메커니즘을 결합한 소금과 후추 노이즈 제거 방법을 제안합니다. 먼저, 9개의 합성곱 층으로 구성된 경량 신경망을 구축하여 고품질 노이즈 마스크를 생성합니다. 이후 해당 노이즈 마스크의 노이즈 점 표기 결과에 따라 정상 픽셀은 처리하지 않고, 최근접 이웃 탐색 메커니즘을 통해 노이즈 점과 가장 인접한 정상 픽셀의 그레이스케일 값으로 노이즈 점의 그레이스케일 값을 대체합니다. 본 논문에서는 노이즈 점 표기를 위한 경량 합성곱 신경망을 제안합니다. 네트워크 깊이를 줄이는 동시에 중간 층에서는 일반 합성곱 대신 깊이 분리 합성곱을 사용하여 계산 복잡도와 매개변수 수를 대폭 줄였습니다. 또한 최근접 이웃 탐색 메커니즘 기반의 노이즈 제거 방법을 제안하여 노이즈 제거 성능을 향상시켰습니다. 실험 결과 제안된 네트워크의 계산 복잡도는 기존 네트워크에 비해 수량급으로 감소했으며, 학습된 노이즈 마스크의 오판율은 극점 표기, 평균 표기 및 극값 이미지 블록 표기 대비 각각 94.79%, 94.79% 및 83.65% 감소했습니다. 또한, 노이즈 제거된 이미지의 피크 신호 대 잡음비는 기존 합성곱 신경망 방법 대비 2.53% 향상되었고, 정보 손실은 6.76% 감소했습니다. 본 논문은 경량 합성곱 신경망을 소금과 후추 노이즈 제거에 처음 적용하여 네트워크 복잡도를 낮추고 노이즈 제거 성능을 향상시켰습니다.

소금과 후추 노이즈;노이즈 마스크;경량 합성곱 신경망;최근접 이웃 탐색;딥러닝