[发明专利]基于空间自适应自监督学习的图像去噪方法

权利要求书

1.基于空间自适应自监督学习的图像去噪方法，其特征在于，该方法包括如下过程：

步骤一、对噪声图像y进行区域特征提取，获得平坦区域监督图像和纹理区域监督图像

步骤二、利用区域判别模块对平坦区域监督图像中每个像素点所在空间位置坐标(i，j)处的平坦度自适应系数α(i，j)进行识别，从而确定平坦区域监督图像的平坦度自适应系数矩阵α，具体过程包括：

步骤二一、计算平坦区域监督图像中每个像素点所在空间位置坐标(i，j)处的平坦程度度量σ(i，j)；i表示空间位置坐标(i，j)的横坐标，j表示空间位置坐标(i，j)的纵坐标；

步骤二二、对每个像素点所在空间位置坐标(i，j)处的平坦程度度量σ(i，j)进行处理，获得每个像素点所在空间位置坐标(i，j)处的平坦度自适应系数α(i，j)；

步骤二三、由平坦区域监督图像中所有像素点所对应的平坦度自适应系数，构建平坦区域监督图像的平坦度自适应系数矩阵α；

其中，std(·)为标准差函数，n为窗口大小，S(·)为Sigmoid函数；

步骤三、利用噪声图像y、平坦区域监督图像纹理区域监督图像以及平坦度自适应系数矩阵α对去噪模块进行训练，使得去噪模块以自监督学习的方式进行参数更新，获得训练后的去噪模块；

步骤四、利用训练后的去噪模块对待去噪图像进行去噪。

2.根据权利要求1所述的基于空间自适应自监督学习的图像去噪方法，其特征在于，步骤一中，获得平坦区域监督图像的方式为：

通过平坦区域监督提取模块对噪声图像y进行平坦区域进行特征提取，获得平坦区域监督图像

3.根据权利要求2所述的基于空间自适应自监督学习的图像去噪方法，其特征在于，平坦区域监督提取模块包括方向感受野模块、特征平移模块和特征融合模块；

方向感受野模块，用于提取噪声图像y的上、下、左、右四个方向的感受野，得到上、下、左、右四个方向感受野的特征图；

特征平移模块，用于对上、下、左、右四个方向感受野的特征图进行平移，得到平移后的特征图，且平移后的特征图中每个像素点所在位置处的感受野中不包括该像素点周围9×9区域内的像素；

特征融合模块，用于融合平移后的特征图，得到平坦区域的监督图像且平坦区域的监督图像中每个像素点所在位置处的感受野中在该像素点周围9×9区域内形成盲邻域。

4.根据权利要求1所述的基于空间自适应自监督学习的图像去噪方法，其特征在于，步骤一中，获得纹理区域监督图像的方式为：

通过纹理区域监督提取模块对噪声图像y进行纹理区域特征提取，获得纹理区域监督图像

5.根据权利要求4所述的基于空间自适应自监督学习的图像去噪方法，其特征在于，纹理区域监督提取模块包括1个3×3卷积模块、N个1×1卷积模块和1个图像输出卷积模块，其中，N个1×1卷积模块分别定义为第1个至第N个1×1卷积模块，N为整数，且5≤N≤40；3×3卷积模块的卷积核大小为3×3；1×1卷积模块的卷积核大小为1×1；图像输出卷积模块的卷积核大小为1×1；

3×3卷积模块，用于对噪声图像y进行图像特征提取；

第1个1×1卷积模块，用于对3×3卷积模块提取的图像特征再次进行图像特征提取；

第m个1×1卷积模块，用于对第m-1个1×1卷积模块提取的图像特征再次进行图像特征提取；其中，m为变量，且m＝2，3，4……N-1，N；

图像输出卷积模块，用于对第N个1×1卷积模块提取的图像特征转化为图像，且该图像作为纹理区域监督提取模块所提取出的纹理区域监督图像