R2PixGAN:一种高效的甲骨文拓片去噪新方法

摘要

随着技术的发展，深度学习在图像去噪领域取得了显著的效果.然而，由于甲骨拓片往往同时包括各种噪声，现有的去噪模型无法适应甲骨文独特的字形和复杂的文字背景.针对上述挑战，提出了一种基于条件对抗网络(Pix2Pix)的图像去噪方法R2PixGAN.在该方法中，生成器采用了R2U-Net模型，该模型不仅保留了传统U-Net在特征提取方面的优势，还通过引入循环神经网络(RNN)结构，进一步提升了图像重建能力，同时增强了去噪效果.此外，还将感知损失纳入模型，以更好地保留原始图像的关键细节和特征.实验结果表明，R2PixGAN在PSNR和SSIM分数方面优于对比实验，图像去噪效果得到了明显的提升.

关键词

图像去噪 / 甲骨文 / 感知损失