基于SVD域的人工神经网络在图像噪声水平估计中的应用

1：实验设计与方法选择：

所提算法采用人工神经网络（多层感知器）进行SVD域噪声水平估计。该方法将输入图像分块，对每个图像块及叠加已知噪声的图像块进行奇异值分解，提取奇异值序列差作为特征向量，通过人工神经网络估计噪声水平。神经网络架构包含1个输入层、2个各含30个神经元的隐藏层和1个输出层，使用双曲正切Sigmoid激活函数与Levenberg-Marquardt训练算法。

2：样本选择与数据来源：

训练数据集由50,000个暴露于不同强度加性高斯白噪声（AWGN）的图像块构成，噪声强度从(0,35)均匀分布中随机选取。测试图像包括"Car"、"Lena"、"Town"等标准图像及某数据集中的高纹理图像。

3：实验设备与材料清单：

Intel i7-4510U 2.0GHz CPU配8GB内存，采用MATLAB软件实现。

4：0GHz CPU配8GB内存，采用MATLAB软件实现。 实验流程与操作步骤：

4. 实验流程与操作步骤：包括将输入图像分割为r×r块，随机选取40%图像块进行SVD获取奇异值，向图像块添加已知AWGN后再次SVD，提取特征向量I=sB(i)-sA(i)（i∈[0.2r,1]），通过人工神经网络逐块估计噪声水平并取全图平均值。

5：2r,1]），通过人工神经网络逐块估计噪声水平并取全图平均值。 数据分析方法：

5. 数据分析方法：通过均方误差（MSE）和平均误差（AE）评估不同噪声强度及测试图像下的性能表现，每个噪声强度重复模拟50次，同时测量计算耗时。