尽管最近在图像降噪方面取得了成功，但对深度和复杂体系结构的需求仍然阻碍了CNN的实际使用。较旧但计算效率更高的方法（例如BM3D）仍然是一个流行的选择，尤其是在资源受限的情况下。在这项研究中，我们旨在找出与用于WGN图像去噪的BM3D相比，紧凑型神经网络是否可以学习产生竞争性结果。为此，我们将网络配置为仅具有两个隐藏层，并使用不同的神经元模型和层宽度来比较BM3D在不同AWGN噪声水平下的性能。我们的结果最终表明，与CNN相比，最近基于生成神经元模型（Self-ONNs）提出的自组织形式的操作神经网络变体不仅是更好的选择，



"点击查看英文标题和摘要"