[发明专利]一种基于小波分解卷积神经网络的图像条带噪声抑制方法

说明书

本发明涉及一种基于小波分解卷积神经网络的图像条带噪声抑制方法，包括：对噪声图像进行小波变换，获取小波系数；构建条带噪声抑制卷积神经网络；将小波系数输入条带噪声抑制卷积神经网络，获取去噪系数；根据小波系数和去噪系数进行计算，获得噪声抑制后的图像。本发明提供的一种基于小波分解卷积神经网络的图像条带噪声抑制方法利用了条带噪声在小波域的特定响应，并结合了卷积神经网络的特征提取能力，可以有效地将图像中的条带噪声去除，与现有的条带噪声抑制方法相比，在去噪过程中保护了图像的细节信息，去噪后地图像的结构相似度更高，具有更加锐利的视觉效果，使得去噪后图像中条带噪声残留更少，细节信息更加丰富。

技术领域

本发明属于数字图像处理技术领域，具体涉及一种基于小波分解卷积神经网络的图像条带噪声抑制方法。

背景技术

在遥感成像，医学诊断和军事领域，由于传感器的和光学系统的工艺特性和热特性，造成获取的图像受到固定的条带噪声污染，从而影响对图像的进一步处理。因此，需要对图像中的条带噪声进行抑制，消除外界因素对成像质量的影响。

当前图像条带噪声抑制方法主要有基于定标的方法和基于先验优化的方法。基于定标的方法包括例如两点法、多点法等，由于传感器的响应实际上是随着时间和温度缓慢漂移的，因此需要周期性的对探测器进行重新标定，从而干扰探测器的正常工作。而基于先验优化方法例如全变分法，非局部平均滤波法综合了图像中的残存的信息和先验信息，能够有效地对条带噪声进行抑制，但是当图像受到强噪声干扰时，该方法的噪声抑制效果会发生严重退化。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于小波分解卷积神经网络的图像条带噪声抑制方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种基于小波分解卷积神经网络的图像条带噪声抑制方法，包括：

对噪声图像进行小波变换，获取小波系数；

构建条带噪声抑制卷积神经网络；

将所述小波系数输入所述条带噪声抑制卷积神经网络，获取去噪系数；

根据所述小波系数和所述去噪系数进行计算，获得噪声抑制后的图像。

在本发明的一个实施例中，构建条带噪声抑制卷积神经网络，包括：

通过多个特征提取层构建特征提取网络；

利用特征提取网络和噪声重建层，构建未训练卷积神经网络；

对所述未训练卷积神经网络进行训练，得到所述条带噪声抑制卷积神经网络。

在本发明的一个实施例中，通过多个特征提取层构建特征提取网络，包括：

利用卷积层和激活层构建所述特征提取层；

将多个所述特征提取层依次连接，得到特征提取网络。

在本发明的一个实施例中，所述激活层为ReLU激活层。

在本发明的一个实施例中，利用特征提取网络和噪声重建层，构建未训练卷积神经网络，包括：

通过噪声重建卷积核构建所述噪声重建层；

将所述特征提取网络与所述噪声重建层进行级联，得到未训练卷积神经网络。

在本发明的一个实施例中，对所述未训练卷积神经网络进行训练，得到所述条带噪声抑制卷积神经网络，包括：

获取训练数据集；

使用优化器和所述训练数据集对所述未训练卷积神经网络进行训练，得到所述条带噪声抑制卷积神经网络。