[发明专利]基于无监督学习的非局部神经网络图像处理方法及系统

权利要求书

1.一种基于无监督学习的非局部神经网络图像处理方法，其特征在于，所述方法包括以下步骤：

获取图像数据集，把所述图像数据集中图像进行统一尺寸调整之后，将调整尺寸后的图像数据集作为神经网络的训练集；

构建非局部神经网络；其中，所述非局部神经网络采用卷积神经网络提取图像的特征，并在该卷积神经网络中插入非局部操作层，用以提取图像中的远距离特征；

将所述训练集中的图像作为所述非局部神经网络的输入，并基于无监督学习训练所述非局部神经网络，得到训练好的非局部神经网络；

获取待平滑图像，将待平滑图像输入到已训练好的非局部神经网络中，得到平滑后的图像。

2.如权利要求1所述的基于无监督学习的非局部神经网络图像处理方法，其特征在于，所述统一尺寸为224×224。

3.如权利要求1所述的基于无监督学习的非局部神经网络图像处理方法，其特征在于，所述非局部神经网络是由编码模块、非局部模块和解码模块组成；其中，编码模块由卷积层和最大池化层组成；非局部模块由非局部操作层组成；解码模块由卷积层和上采样层组成。

4.如权利要求1所述的基于无监督学习的非局部神经网络图像处理方法，其特征在于，所述训练好的非局部神经网络中损失函数如下：

式中，U为经过非局部神经网络的输出图像；I为训练集中原图像；N为图像的总像素数；i和j为索引值；c为图像的通道；Ω_i表示以i为中心的k×k窗口，k为正整数；ω_ij为权重系数，σ为0.1；S为各像素与其邻域像素之间权重系数的求和，对权重系数进行归一化。

5.一种基于无监督学习的非局部神经网络图像处理系统，其特征在于，包括：

训练集获取单元，用于获取图像数据集，把所述图像数据集中图像进行统一尺寸调整之后，将调整尺寸后的图像数据集作为神经网络的训练集；

图像处理模型构建单元，用于构建非局部神经网络；其中，所述非局部神经网络采用卷积神经网络提取图像的特征，并在该卷积神经网络中插入非局部操作层，用以提取图像中的远距离特征；

图像处理模型训练单元，用于将所述训练集中的图像作为所述非局部神经网络的输入，并基于无监督学习训练所述非局部神经网络，得到训练好的非局部神经网络；

图像平滑结果形成单元，用于获取待平滑图像，将待平滑图像输入到已训练好的非局部神经网络中，得到平滑后的图像。

6.如权利要求5所述的基于无监督学习的非局部神经网络图像处理系统，其特征在于，所述统一尺寸为224×224。

7.如权利要求5所述的基于无监督学习的非局部神经网络图像处理系统，其特征在于，所述非局部神经网络是由编码模块、非局部模块和解码模块组成；其中，编码模块由卷积层和最大池化层组成；非局部模块由非局部操作层组成；解码模块由卷积层和上采样层组成。

8.如权利要求5所述的基于无监督学习的非局部神经网络图像处理系统，其特征在于，所述训练好的非局部神经网络中损失函数如下：

式中，U为经过非局部神经网络的输出图像；I为训练集中原图像；N为图像的总像素数；i和j为索引值；c为图像的通道；Ω_i表示以i为中心的k×k窗口，k为正整数；ω_ij为权重系数，σ为0.1；S为各像素与其邻域像素之间权重系数的求和，对权重系数进行归一化。