[发明专利]用于滤色器阵列图像去噪的深度残差网络

权利要求书

1.一种用于使用深度残差网络对噪声图像进行去噪的计算机实施的方法，所述方法包括：

使用至少包括马赛克跨步卷积层的第一框，从所述噪声图像生成卷积输出图像，所述马赛克跨步卷积层包括多个跨步卷积信道，以将所述噪声图像采样成多个采样图像，其中，每个采样图像均通过跨步的卷积滤波成滤波图像，来自所述多个跨步卷积信道的所述滤波图像进行合并，以生成所述卷积输出图像；

使用所述深度残差网络中的一个或多个残差块，从经整流的输出中生成中间输出图像，每个残差块均包括一个或多个卷积层和经整流的线性单元(ReLU)，所述ReLU具有跨越所述一个或多个卷积层和ReLU的捷径连接；

使用所述深度残差网络中的卷积层，将所述中间输出图像变换为估计的噪声图像；以及

从所述噪声图像中减去所述估计的噪声图像，以获得去噪图像。

2.如权利要求1所述的计算机实施的方法，其中，所述深度残差网络使用损失函数进行预训练，所述损失函数通过噪声标准偏差将多个地面真实无噪声原始图像与对应的去噪图像之间的L1损失归一化。

3.如权利要求1所述的计算机实施的方法，其中，所述深度残差网络使用通过在不同训练迭代处添加随机噪声而动态增强的训练数据进行预训练。

4.如权利要求1所述的计算机实施的方法，其中，通过将用于训练图像的马赛克采样窗口竖直地或水平地移位一个像素以增大马赛克采样空间，预训练所述深度残差网络。

5.如权利要求1所述的计算机实施的方法，其中，所述噪声图像具有带C＝w×h个频谱信道的w×h的马赛克图案，所述马赛克跨步卷积层具有C＝w×h个跨步卷积信道，其中，w和h是整数。

6.如权利要求5所述的计算机实施的方法，其中，每个跨步卷积信道均具有w×h尺寸的步幅和以所述C个频谱信道中的一个为中心的卷积。

7.如权利要求1所述的计算机实施的方法，其中，所述多个采样图像具有与所述噪声图像相同的尺寸。

8.如权利要求1所述的计算机实施的方法，其中，所述第一块还包括在所述马赛克跨步卷积层之后的一个或多个参数化整流线性单元(PReLU)滤波器，来自所述多个跨步卷积信道的所述滤波图像进行合并，然后由所述一个或多个PReLU滤波器处理，使得来自所述第一块的卷积输出是经整流的卷积输出。

9.如权利要求1所述的计算机实施的方法，其中，所述第一块包括串联联接的多个马赛克跨步卷积层，用于采样、跨步卷积和合并的多个实现，每个马赛克跨步卷积层之后均是一个或多个参数化整流线性单元(PReLU)滤波器。

10.一种训练用于图像去噪的深度残差网络的方法，所述方法包括：

将训练图像对集合输入到深度残差网络中，其中，训练图像对包括无噪声图像和与所述无噪声图像相对应的噪声图像，并且所述无噪声图像和所述有噪声图像两者均具有马赛克图案，所述深度残差网络包括第一块、一个或多个残差块和最终块，所述第一块包括马赛克跨步卷积层；

使用所述深度残差网络，为每个噪声图像生成去噪图像，其步骤包括：

使用所述马赛克跨步卷积层，从噪声图像生成卷积输出图像，所述马赛克跨步卷积层包括多个跨步卷积信道，以将所述噪声图像采样成多个采样图像，其中，每个采样图像均通过跨步的卷积滤波成滤波图像，来自所述多个跨步卷积信道的所述滤波图像合并成所述卷积输出图像；

使用所述深度残差网络中的一个或多个残差块，从所述卷积输出图像生成中间输出图像；

使用所述深度残差网络中的卷积层，将所述中间输出图像变换成估计的噪声图像；以及

从所述噪声图像中减去所述估计的噪声图像，以获得去噪图像；以及

使用损失函数来训练所述深度残差网络，所述损失函数涉及多个地面真实无噪声原始图像与对应的去噪图像之间的损失。