!"#$ 年 % 期
课 题 研 究
高 教 学 刊
Journal of Higher Education
深度学习在图像处理领域中的应用综述
*
殷琪林，王金伟
（南京信息工程大学 计算机与软件学院，江苏 南京 !#&&’’）
一、概述
在当今飞速发展的信息时代，数字图像作为一种常见
且有效的信息载体已渗透到社会生活的每一个角落，致使
我们对图像处理的需求也日益增长。与此同时身处于大数
据时代，数字图像产生的速度和规模也是非常惊人的，所
以针对图像信息处理任务也相应地被要求具有高效率，高
性能和智能化的特点。
特征表达是图像处理的关键，传统的特征设计需要人
工完成，但这种方式过程复杂并对设计者的技术有很高的
要求，所以自动化特征设计成了高效图像处理的迫切需
求。
深度学习是新兴的机器学习研究领域，旨在研究如何
从数据中自动地提取多层次特征表示，其核心思想是通过
数据驱动的方式，采用一系列的非线性变换，从原始数据
中提取多层次多角度特征，从而使获得的特征具有更强的
泛化能力和表达能力，这恰好满足高效图像处理的需求。
为满足图像处理问题的各类需求，以卷积神经网络为代表
的深度学习理论不断取得突破，本文结合深度学习基本原
理，对其在图像处理领域的算法，模型甚至方法的演化和
创新进行重点论述。
二、深度学习
（一）深度学习的背景
神经网络在二十世纪五十年代被提出，然而碍于当时
网络训练算法理论欠缺、训练样本不足和电脑的计算能力
不佳，神经网络发展遇到瓶颈。随着云计算、大数据时代的
到来，计算能力的大幅提高可缓解训练的低效性，训练数
据的大幅增加则可降低过拟合的风险，再结合无监督逐层
训练策略和早已提出的 () 算法，使得训练很深层的神经
网络变得可能，因此深度学习这个概念开始被人们广泛关
注。
典型的深度学习模型就是很深层的神经网络。多隐层
堆叠，每一层都对上一层的输出进行处理，从而把最初始
的输入与输出目标之间不太密切的联系，转化为更为密切
的表示，使得原来仅基于最后一层输出映射难以完成的任
务变为可能，这种学习模式也可理解为自动的“特征学
习
”。
（二）卷积神经网络架构
图像识别是深度学习最早尝试的领域，其中卷积神经
网络发挥了巨大的作用
。
一般卷积神经网络由卷积层，池化层，全连接层这三
种类型的层堆叠组成，每个层都有其独有的特点和作用：
#* 卷积层：提取特征，输入特征图 + 与 , 个二位滤波
器进行卷积运算输出 , 个二维特征图。采用卷积运算有两
点好处：（#）卷积操作可以提取相邻像素之间的局部关系；
摘 要
：随着大数据时代的到来，一系列深度学习网络结构已在图像处理领域展现出巨大的优势，为了能够及时跟踪深度学习在
图像领域的最新发展，文章针对深度学习在图像处理领域的相关研究进行综述。首先介绍深度学习的背景和卷积神经网络的知识，旨
在从本质上理解深度学习应用在图像领域的基本模型架构及其优化方法；其次主要在图像识别、取证、检测三个方向上，具体论述深度
学习在图像领域多个方向上的演变与发展，其目的在于了解深度学习对具体图像处理问题的最新研究并掌握多种模型或技术；最后指
出深度学习在图像领域存在的问题以及对未来的展望。
关键词
：深度学习；卷积神经网络；算法模型；图像处理
中图分类号
：-.’"
文献标志码
：/
文章编号
：!"%.0&&&+（!&#$）&%0&&1!0&2
Abstract3 4567 678 98:8;<=>8?6 <@ 678 8AB <@ C5D 9B6BE B F8A58F <@ 988= ;8BA?5?D ?86G<AH F6AIJ6IA8F 7B:8 F7<G? DA8B6 B9:B?6BD8F
5? 678 @58;9 <@ 5>BD8 =A<J8FF5?D* K? <A98A 6< 6ABJH 678 ;B68F6 98:8;<=>8?6 <@ 988= ;8BA?5?D <@ 5>BD5?DE 675F =B=8A FI>>BA5L8F 678 A8－
;B689 A8F8BAJ7 5? 678 @58;9 <@ 5>BD8 =A<J8FF5?D* M5AF6;NE 678 CBJHDA<I?9 <@ 988= ;8BA?5?D B?9 678 H?<G;89D8 <@ J<?:<;I65<?B; ?8IAB;
?86G<AHF BA8 5?6A<9IJ89 6< @I?9B>8?6B;;N I?98AF6B?9 678 CBF5J ><98; BAJ7568J6IA8 B?9 <=65>5LB65<? >867<9F <@ 988= ;8BA?5?D B==;589
5? 678 5>BD8 9<>B5?* O8J<?9;NE 678 8:<;I65<? B?9 98:8;<=>8?6 <@ 988= ;8BA?5?D 5? >I;65=;8 95A8J65<?F BA8 95FJIFF89 @A<> A8J<D?565<?E
@<A8?F5JFE B?9 9868J65<? 6< I?98AF6B?9 678 ;B68F6 A8F8BAJ7 <@ 988= ;8BA?5?D <? J<?JA868 5>BD8 =A<J8FF5?D =A<C;8>F B?9 DABF= :BA5<IF
><98;F <A 68J7?<;<D58F* M5?B;;NE 678 =A<C;8>F @BJ89 5? 678 @I6IA8 BA8 B?B;NL89*
Keywords3 988= ;8BA?5?DP J<?:<;I65<?B; ?8IAB; ?86G<AHP B;D<A567> ><98;P 5>BD8 =A<J8FF5?D
Q
基金项目：国家自然科学基金“基于彩色四元数小波变换域的彩色图像取证研究”（编号：
R<*.#11!!$#
，
R<*.#S&!!’#
，
R<*.#!1!’!#
，
R<*.#!2!&#.
，
R<*.#’&!!2S
，
R<*.#S1!!S$
）资助。
作者简介
：王金伟，教授，博导，研究方向：彩色图像取证、图像水印和多媒体加密。
1!
0 0
评论1