[发明专利]基于CNN的纹影法强激光远场焦斑测量图像去噪方法

权利要求书

1.基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，包括以下步骤：

1)按照纹影法采集得到强激光远场焦斑的主瓣图像和旁瓣图像；

2)利用基于残差学习的全卷积去噪网络算法(DnCNN)分别同时对主瓣图像和旁瓣图像进行去噪处理，去除主瓣图像和旁瓣图像不同级别的噪声；

3)按照纹影法将去噪后的主瓣图像和旁瓣图像进行焦斑重构。

2.根据权利要求1所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，所述基于残差学习的全卷积去噪网络算法(DnCNN)的算法的框架分为三部分：

第一部分为第1层，由卷积层3×3×64和Relu激活函数组成；

第二部分为第2～16层，共15个Unit block单元块组成，每个Unit block单元块由卷积层3×3×64、BN层及激活函数Relu组成；

第三部分由卷积层3×3组成；

通过用期望的噪声残差值和卷积网络计算得到的估计噪声残差值求得对于噪声的估计误差，进行网络参数的更新。

3.根据权利要求1所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，

步骤3)按照纹影法将去噪后的主瓣图像和旁瓣图像进行焦斑重构，重构焦斑的分布函数为h(x_i,y_j)：

式中：

h_z(x_i,y_j)为重构焦斑中单独对应于主瓣区域的分布函数；h_p(x_i,y_j)为重构焦斑中单独对应于旁瓣区域的分布函数；

f_{z_dn}(x_i,y_j)为主瓣图像减去估计噪声后结果，f_{p_dn}(x_i,y_j)为旁瓣图像减去估计噪声后结果；

A为主瓣光斑填充区域，B为旁瓣光斑填充区域，C为主瓣光斑和旁瓣光斑的重合区域，d₁和d₂代表重叠区域主瓣和旁瓣图像所占的比例，且d₁+d₂＝1，0＜d₁＜1，0＜d₂＜1,k＝k_z；α为原始光束经过分光系统后主瓣光束相比原始光束的比例系数，β为旁瓣光束相比原始光束的比例系数；

Denoise为以DnCNN算法为基础改进得到的去噪函数；f_z(x_i,y_j)为主瓣CCD上所探测到的分布函数；f_p(x_i,y_j)为旁瓣CCD探测到的分布函数；n_z(x,y)为主瓣CCD的噪声分布函数，n_p(x,y)为旁瓣CCD的噪声分布函数。

4.根据权利要求3所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，所述去噪函数是对DnCNN算法作以下调整：

a)归一化：对12位或16位科学CCD采集的输入图像(即按照纹影法采集得到的强激光远场焦斑的主瓣图像和旁瓣图像)进行归一化处理，将图像数据归一化为0-1之间的doube类型；

b)变更数据类型：将DnCNN算法中相关函数所有参数的数据类型由uint8变更为double；

c)减本底：对DnCNN算法去噪处理后的图像数据再执行减本底操作；

d)灰度等级恢复：将去噪处理和减本底操作后的图像double数据进行灰度级还原，恢复至归一化前的灰度等级，拉伸至0-4095之间。