С расширением применения обработки изображений в новых областях высокопроизводительное удаление соль-перцового шума остаётся сложной задачей. В статье предложен метод удаления соль-перцового шума, сочетающий обучение маски шума и механизм поиска ближайших соседей. Сначала построена лёгкая нейронная сеть с 9 сверточными слоями для генерации высококачественной маски шума. Затем, на основе результатов пометки шумовых точек в маске шума, нормальные пиксели не обрабатываются, а серые значения шума заменяются ближайшими по градации серого нормальными пикселями с помощью механизма поиска ближайших соседей. В статье представлена лёгкая сверточная нейронная сеть для пометки шумовых точек. При снижении глубины сети в промежуточных слоях стандартные свёртки заменены глубинно-разделимыми, что в значительной степени снижает вычислительную сложность и количество параметров. Кроме того, предложен метод удаления шума на основе поиска ближайших соседей, что повышает эффективность удаления шума. Эксперименты показывают, что вычислительная сложность предложенной сети значительно ниже, чем у традиционных сетей, а уровень ошибочной классификации маски шума по сравнению с маркировками крайних точек, средними метками и маркировками блоков изображений с экстремальными значениями снижен на 94,79%, 94,79% и 83,65% соответственно. Кроме того, отношение пикового сигнала к шуму для очищенных изображений улучшилось на 2,53% по сравнению с традиционными методами сверточных нейронных сетей, а потеря информации уменьшилась на 6,76%. Впервые в данной работе лёгкая сверточная нейронная сеть применена для удаления соль-перцового шума, что снижает сложность сети и улучшает эффективность удаления шума.

соль-перцовый шум;маска шума;лёгкая сверточная нейронная сеть;поиск ближайших соседей;глубокое обучение