[发明专利]基于卷积神经网络的图像真实噪声去除系统

说明书

基于卷积神经网络的图像真实噪声去除系统，属于图像去噪领域，解决了现有基于卷积神经网络的图像去噪方法对于图像真实噪声的去除效果不理想的问题。本发明所述的基于卷积神经网络的图像真实噪声去除系统，先通过图像真实噪声水平估计子网络估计待去噪图像的真实噪声等级值，再通过图像噪声去除子网络，并根据待去噪图像的真实噪声等级估计值对待去噪图像的真实噪声进行去除。与现有基于卷积神经网络的图像去噪方法相比，本发明所述的基于卷积神经网络的图像真实噪声去除系统因引入了真实噪声等级估计环节而具有更好的图像真实噪声去除效果。

技术领域

本发明涉及一种图像去噪系统，属于图像去噪领域。

背景技术

图像去噪是计算机视觉和图像处理领域的一项基本问题。在人们通过图像采集设备获 取图像的过程中，由于图像采集设备的自身物理约束以及外界光环境的限制，使得采集到 的图像中不可避免地存在噪声，进而影响成像质量。为此，现有的图像采集设备均采用图 像去噪技术来提高自身的成像质量。然而，由于图像真实噪声具有成分复杂性和来源多样 性的特点，以及每个图像采集设备的真实噪声模型都有所差异，使得图像真实噪声去除的 难度较大。

近年来，学者们尝试将卷积神经网络应用于图像去噪领域，并在高斯白噪声的去除上 取得了比现有基于三维块匹配的图像去噪方法和基于加权核范数最小化的图像去噪方法 更好的效果。然而，由于图像真实噪声的复杂度远大于高斯白噪声的复杂度，使得现有基 于卷积神经网络的图像去噪方法对于图像真实噪声的去除效果并不理想。

发明内容

本发明为解决现有基于卷积神经网络的图像去噪方法对于图像真实噪声的去除效果 不理想的问题，提出了一种基于卷积神经网络的图像真实噪声去除系统。

本发明所述的基于卷积神经网络的图像真实噪声去除系统包括图像真实噪声水平估 计子网络和图像噪声去除子网络；

图像真实噪声水平估计子网络和图像噪声去除子网络均基于卷积神经网络实现；

图像真实噪声水平估计子网络将待去噪图像作为其输入，输出该图像的真实噪声等级 估计值；

图像噪声去除子网络将待去噪图像及其真实噪声等级估计值作为其输入，输出去噪后 图像。

作为优选的是，图像真实噪声水平估计子网络为前向浅层卷积神经网络。

作为优选的是，图像真实噪声水平估计子网络包括卷积层C1～卷积层C5；

卷积层C1用于对待去噪图像依次进行第一卷积操作和激活操作；

卷积层C2用于对卷积层C1的输出结果依次进行第二卷积操作和激活操作；

卷积层C3用于对卷积层C2的输出结果依次进行第三卷积操作和激活操作；

卷积层C4用于对卷积层C3的输出结果依次进行第四卷积操作和激活操作；

卷积层C5用于对卷积层C4的输出结果依次进行第五卷积操作和激活操作；

卷积层C5的输出结果为待去噪图像的真实噪声等级估计值；

第一卷积操作和第五卷积操作均为96个3×3、步长为1的卷积操作；

第二卷积操作～第四卷积操作均为1024个3×3、步长为1的卷积操作；

激活操作采用ReLU函数。

作为优选的是，图像噪声去除子网络为U型卷积神经网络。

作为优选的是，图像噪声去除子网络包括卷积层C6～卷积层C23、卷积层D1、卷积层D2、反卷积层U1、反卷积层U2和残差层R；

卷积层C6用于对待去噪图像及其真实噪声等级估计值进行第六卷积操作和激活操 作；