来源：期刊VIP网 时间：
作者：陈佳伟;岳建海;周航;胡准庆;
单位：北京交通大学机械与电子控制工程学院;北京交通大学电子信息工程学院;
摘要：为进一步提高深度学习方法对货车运行故障动态图像检测系统(TFDS)图像去噪效果和边缘保持性，提出一种基于特征金字塔网络的图像去噪算法。该算法构建了一种由CBAM-Wnet特征提取网络、内容增强器和转换器三部分构成的新型图像去噪网络模型。采用特征金字塔网络与U-Net衍生网络，以增强模型的多尺度特征提取能力；利用内容增强器、卷积注意力机制(CBAM),以及转换器提高模型的边缘感知能力；构建新型复合函数，降低网络过拟合风险，同时提高其去噪性能。试验结果表明：与主流算法相比，所提算法在去噪效果和边缘保持性方面均表现更佳；在高斯噪声条件下的TFDS图像去噪任务中，峰值信噪比(PSNR)相较于其他算法平均提升0.86 dB,提升幅度为2.40%;结构相似(SSIM)性指数平均提升1.95%;在模拟真实世界噪声的TFDS图像去噪任务中，相较于其他算法，该算法的PSNR平均提升0.68 dB,提升幅度1.78%;SSIM平均提升1.28%。
关键词：图像降噪;;货车运行故障动态图像检测系统;;特征金字塔网络;;复合金字塔损失
基金资助：北京交通大学教育基金(0606009801)
