[发明专利]一种深度非对称跳跃连接的图像降噪方法

权利要求书

1.一种深度非对称跳跃连接的图像降噪方法，所述方法包括：

步骤1)，随机裁切图片，并对裁切后图片的副本添加噪声信息，形成训练图片，训练图片的集合构成训练样本；

步骤2)，设计非对称跳跃连接深度神经网络，其中包含非对称跳跃连接层；

步骤3)，确立非对称跳跃连接层各自的权重因子；

步骤4)，进行降噪图片训练；

步骤5)，训练完成后会得到训练模型，以此为基础进行模糊图片降噪。

2.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：步骤1)中，固定大小窗口对图像进行随机位置的裁切，并分别添加高斯噪声、椒盐噪声、扫描线干扰或像素化干扰信息。

3.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：步骤1)中，训练图片对应的标签图片为没有经过处理的裁切后的原始图。

4.根据权利要求3所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：标签图片的集合构成标签样本，标签样本与训练样本一一对应。

5.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：所述步骤2)的非对称跳跃连接深度神经网络模型中，包含较多的图像卷积和反卷积操作。

6.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：所述步骤2)的非对称跳跃连接深度神经网络模型中，采用图像卷积层非对称跳跃连接图像非卷积层的方式。

7.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：所述步骤3)中，采用高斯分布的权重分配对各非对称跳跃连接层进行量化。

8.根据权利要求1所述的基于深度非对称跳跃连接的图像降噪方法，其特征在于：所述步骤4)中，降噪图片训练方式是经典的深度学习训练方法。