摘要：深度卷積神經(jīng)網(wǎng)絡(luò)的提出引發(fā)了圖像處理算法的一系列突破。但是,使用更深入的網(wǎng)絡(luò)并不總是有幫助,訓(xùn)練它們的巨大障礙是逐漸消失的梯度、大量增長(zhǎng)的參數(shù)和過(guò)長(zhǎng)的時(shí)間。本文提出了一種基于深度殘差網(wǎng)絡(luò)的圖像混合噪聲去除算法。通過(guò)全局殘差學(xué)習(xí)與局部殘差學(xué)習(xí),有效地解決了梯度消失與網(wǎng)絡(luò)參數(shù)的增長(zhǎng),提升了模型對(duì)圖像特征的選擇與提取能力,減少了訓(xùn)練時(shí)間。實(shí)驗(yàn)結(jié)果表明,深度殘差網(wǎng)絡(luò)在圖像混合噪聲去除中效果顯著,本文提出的算法得到的去噪圖像更好地恢復(fù)圖像的原始結(jié)構(gòu),信息豐富,對(duì)比度高,魯棒性強(qiáng),并且可以更好地保持圖像的細(xì)節(jié)。