cnnを用いたノイズ除去の結果がでない

Question

前提・実現したいこと

dncnn(denoising cnn)のネットワークを使って画像データのノイズ除去を行いたいです。
実際に学習を行って、結果を出力させていますが、理想とは程遠い画像が出来上がります。
原因が全く分からないため、考えられうることをご教示頂きたいです。
（画像データは、サイズが63×85の数値データでcsvファイルになっており、そのまま学習を行い、最後にmatplotlibのcontourfで等高線画像として保存しています。）

発生している問題・エラーメッセージ

645枚分のデータを用いて学習を行ったのち、
model.predictで結果を出力させたところ、学習させたものとは全く違うのっぺりした画像が出来上がります。

該当のソースコード

#モジュールの読み込み
import numpy as np
import glob
import pandas as pd
from sklearn.model_selection import train_test_split

#ファイルの読み込み
labelfiles = glob.glob("c:/keraslab/dataset/label/*.csv")
label110_csv=[]
for labelfile in labelfiles:
    label110_csv.append(np.loadtxt(labelfile,delimiter=","))
label110_csv = np.array(label110_csv)

inputfiles = glob.glob("c:/keraslab/dataset/input/*.csv")
input18_csv=[]
for inputfile in inputfiles:
    input18_csv.append(np.loadtxt(inputfile,delimiter=","))
input18_csv = np.array(input18_csv)

#logスケールに変更
label110_csv=label110_csv.clip(0.0001,1)
input18_csv=input18_csv.clip(0.0001,1)

label110_csv=np.log10(label110_csv)
input18_csv=np.log10(input18_csv)

#正規化
input18_csv=(input18_csv-np.min(input18_csv))/(np.max(input18_csv)-np.min(input18_csv))
label110_csv=(label110_csv-np.min(label110_csv))/(np.max(label110_csv)-np.min(label110_csv))

#次元調整
input18_csv= np.expand_dims(input18_csv, axis=-1)
label110_csv = np.expand_dims(label110_csv, axis=-1)

#train,testの作成
i_train, i_test = train_test_split(input18_csv)
l_train, l_test = train_test_split(label110_csv)

#モジュールの読み込み
from keras.layers import Input,Conv2D,BatchNormalization,Activation
from keras.models import Model


#DnCNN
def network_dncnn():
	input_img= Input(shape=(65,80,1))

	x= Conv2D(64,kernel_size=3,activation='relu',padding='same')(input_img)

	for i in range(15):
		x= Conv2D(64,kernel_size=3,padding='same')(x)
		x= BatchNormalization()(x)
		x= Activation('relu')(x)

	x =Conv2D(1,kernel_size=3,activation='tanh',padding='same')(x)

	model=Model(input_img,x)

	return model

model=network_dncnn()

#モデルの表示
print(model.summary())

import keras.optimizers as optimizers
from tensorflow.python.keras import backend as K

#training
adam=optimizers.Adam(lr=1e-3)
model.compile(loss='mean_squared_error',optimizer='adam')

#trainingパラメータ-
training =model.fit(i_train,l_train,epochs=50,batch_size=128,shuffle=True,validation_data=(i_test,l_test),verbose=1)

import matplotlib.pyplot as plt

#学習履歴の表示
def plot_history(history):
	plt.plot(history.history['loss'])
	plt.plot(history.history['val_loss'])
	plt.title('model loss')
	plt.xlabel('epoch')
	plt.ylabel('loss')
	plt.legend(['loss','val_loss'],loc='lower right')
	plt.show()

plot_history(training)

#検証
results = model.predict(i_test,verbose=1)
results=np.squeeze(results)
results

試したこと

データ数を増やしていますが、結果にほとんど影響はでていませんし、エポック数を増やしても、変わりませんでした。

補足情報（FW/ツールのバージョンなど）

画像データは、場の放射線の分布図を表すものです。
もともと0-1の範囲に表されていたものが、0.4-0.6ぐらいにおさまる、のっぺりした画像になっていしまいます。