[发明专利]基于全局平滑约束先验模型的深度神经网络图像去噪方法

权利要求书

1.基于全局平滑约束先验模型的深度神经网络图像去噪方法，其特征在于包括以下步骤：

步骤一：利用自然图像的非局部平滑性，构建全局平滑约束先验，使其能够在图像纹理恢复中自适应地控制每个像素中的约束强度，具体公式如下：

其中，x表示高质量图像，D(·)为一非线性操作；

步骤二：根据步骤一得到的全局平滑约束先验，构造在变换域中求解的图像去噪代价函数：

式中，表示一种变换函数，y表示输入的噪声图像，λ为正则化参数，恢复的高质量图像可以通过下式计算：

其中，为相应的逆变换函数；

步骤三：利用基于梯度的方法来最优化步骤二中构造的代价函数，得到基于全局平滑约束先验模型的图像去噪迭代框架；

步骤四：将步骤三得到的迭代框架展开成一种深度神经网络模型，结合深度神经网络强大的学习能力，该模型从训练数据库中学习变换函数非线性操作D(·)和逆变换函数将和建模为两个卷积层和一个非线性激活层组成的网络结构，且非线性激活层位于两个卷积层之间；提出一种基于编解码结构的非线性运算模块实现D(·)，为了提高其特征表达能力，通过卷积、上采样操作、下采样操作和特征降维融合当前尺度和相邻尺度的特征图；

步骤五：利用训练数据集，以最小化损失函数来训练步骤四中构建的深度神经网络模型；

步骤六：将噪声图像输入到步骤五中训练好的深度神经网络模型得到恢复的高质量图像。