[发明专利]基于深度残差网络的图像椒盐噪声去除方法在审
申请号: | 201910477061.X | 申请日: | 2019-06-03 |
公开(公告)号: | CN110322407A | 公开(公告)日: | 2019-10-11 |
发明(设计)人: | 傅博;王丽妍;赵晓阳;宋传鸣;王相海 | 申请(专利权)人: | 辽宁师范大学 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06N3/04;G06N3/08 |
代理公司: | 大连非凡专利事务所 21220 | 代理人: | 闪红霞 |
地址: | 116000 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 残差 噪声图像 预处理 图像椒盐噪声 网络 去噪 去除 学习 训练图像数据库 标准图像 神经网络 图像去噪 映射关系 原图像 输出 引入 | ||
1.一种基于深度残差网络的图像椒盐噪声去除方法,其特征在于按照如下步骤进行:
步骤C011:从训练数据库的噪声图像中依次选取n张,记为Vk(k=1,2,3…n),将Vk中像素值为0或者像素值为255的像素点标记为椒盐噪声,对椒盐噪声采用中值滤波法进行处理,得到预处理后的结果图像Vk';
步骤C012:设训练数据库中噪声图像Vk所对应的原始图像为Uk,用原始图像Uk与预处理后的结果图像Vk'相减并取绝对值,获得残差图Resk,Resk=|Uk-Vk'|;
步骤C013:将残差图Resk输入到多层深度神经网络中,所述多层深度神经网络依次包括输入层、隐藏层与输出层,约定:l为层数,l=1,2,3...lend,为第l层中第k个神经元与第l层中第j个神经元之间的权重,第l层中第j个神经元的激活函数为将残差图Resk从第1层输入,将第1层的训练参数结果作为第2层输入,第2层的训练参数结果作为第3层的输入,如此重复,将上一层的结果作为下一层的输入,一直到最后lend层为止,第lend层输出的一组参数为Θ;
步骤C014:约定损失函数为L(Θ),Θ代表神经网络经过训练得到的参数,通过反向传播法去最小化损失函数,损失函数定义为:R(Θ)表示训练的参数所映射的结果图像,如果损失函数精度小于0.0001或总迭代次数大于500次,则训练结束,保存当前的训练参数,记为Θtrain,退出训练部分,进入步骤C020;否则对损失函数L(Θ)采用随机梯度下降法更新参数1次,进入步骤C014;
步骤C020:从待去噪图像数据库中选取一张噪声图像T,将T中像素值为0或者像素值为255的像素点标记为椒盐噪声,对椒盐噪声采用中值滤波法进行处理,得到T’并输入到Θtrain中以得到一个估计的映射Resk',将去噪后的T’与Resk'相加得到最终的去噪结果:U'=Resk'+T',保存U'。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于辽宁师范大学,未经辽宁师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910477061.X/1.html,转载请声明来源钻瓜专利网。