[发明专利]一种神经网络的输入图像生成方法和系统

说明书

本发明公开了一种神经网络的输入图像生成方法和系统，包括:获取多个目标图像数据；获取目标处理操作；对每个所述目标图像数据进行所述目标处理操作，得到多个输入图像数据，所述输入图像数据用于训练预设深度卷积神经网络模型。该技术方案，可以生成训练深度卷积神经网络模型的标准图像数据，以训练得到深度卷积神经网络模型，通过深度卷积神经网络模型对图像进行处理，而该深度卷积神经网络模型可以将所有使用过滤器的效果包含在其中，从而简化图像的预处理过程，并且可以满足不同噪声环境下的图像处理需求。

技术领域

本发明涉及深度学习技术领域，更具体地，涉及一种神经网络的输入图像生成方法和系统。

背景技术

相关技术中，对于图像的预处理，如图形的还原、增强和去噪等，一般采用过滤器进行处理，但是，采用过滤器进行处理时，每种过滤器只能解决部分问题，这样，可能需要几十种过滤器，很难找到通用的过滤器。

发明内容

鉴于上述问题，本发明提出了一种神经网络的输入图像生成方法和系统，其可以生成训练深度卷积神经网络模型的标准图像数据，以训练得到深度卷积神经网络模型，通过深度卷积神经网络模型对图像进行处理，而该深度卷积神经网络模型可以将所有使用过滤器的效果包含在其中，从而简化图像的预处理过程，并且可以满足不同噪声环境下的图像处理需求。

根据本发明实施例的第一方面，提供一种神经网络的输入图像生成方法，包括：

获取多个目标图像数据；

获取目标处理操作；

对每个所述目标图像数据进行所述目标处理操作，得到多个输入图像数据，所述输入图像数据用于训练预设深度卷积神经网络模型。

在一个实施例中，优选地，所述获取目标处理操作，包括：

获取所述预设深度卷积神经网络模型的用途，所述用途包括以下任一项：信号去噪操作，信号增强操作和分辨率放大操作；

根据所述用途确定对应的目标处理操作。

在一个实施例中，优选地，优选地，根据所述用途确定对应的目标处理操作，包括：

当所述预设类型的深度卷积神经网络模型用于进行信号去噪操作时，确定对应的目标处理操作为噪声叠加操作；

当所述预设类型的深度卷积神经网络模型用于进行信号增强操作时，确定对应的目标处理操作为比特位无效操作；

当所述预设类型的深度卷积神经网络模型用于进行分辨率放大操作时，确定对应的目标处理操作为分辨率缩小操作。

在一个实施例中，优选地，优选地，所述噪声叠加操作包括：

获取多个至少一个类型的高斯噪声信号并保存在内存中；

从内存中分别读取各个目标图像数据及各个类型的高斯噪声信号，按照预定的规则利用所述内存中的高斯噪声信号对所述目标图像数据进行叠加，得到多个所述输入图像数据，将所述目标图像数据与对应的输入图像数据关联保存至位于预定存储空间的第一训练样本信号集合中；

所述比特位无效操作包括：

随机获取一个或多个比特位无效规则；

从内存中读取各个目标图像数据，按照所述比特位无效规则对所述各个目标图像数据进行部分比特位无效处理，得到多个所述输入图像数据，将所述目标图像数据与对应的输入图像数据关联保存至位于预定存储空间的第二训练样本信号集合中；

所述分辨率缩小操作包括：

随机获取一个或多个缩小系数；