[发明专利]一种基于ReLU卷积神经网络的图像去噪方法有效
| 申请号： | 201610482594.3 | 申请日： | 2016-06-27 |
| 公开（公告）号： | CN106204468B | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 张永兵;季向阳;孙露露;王兴政;王好谦;李莉华;戴琼海 | 申请（专利权）人： | 深圳市未来媒体技术研究院;清华大学深圳研究生院 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 方艳平 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于ReLU卷积神经网络的图像去噪方法，包括以下步骤：搭建ReLU卷积神经网络模型，所述ReLU卷积神经网络模型包括多个卷积层和每个所述卷积层后的激活层，所述激活层为ReLU函数；选取训练集，并设置所述ReLU卷积神经网络模型的训练参数；根据所述ReLU卷积神经网络模型及其训练参数，以最小化损失函数为目标训练所述ReLU卷积神经网络模型形成图像去噪神经网络模型；将待处理的图像输入到所述图像去噪神经网络模型，输出去噪后的图像。本发明公开的基于ReLU卷积神经网络的图像去噪方法，极大地增强神经网络的学习能力，建立起噪声图像到干净图像的准确映射，可以实现实时去噪。 | ||
| 搜索关键词： | 一种 基于 relu 卷积 神经网络 图像 方法 | ||
【主权项】：
1.一种基于ReLU卷积神经网络的图像去噪方法，其特征在于，包括以下步骤：S1：搭建ReLU卷积神经网络模型，所述ReLU卷积神经网络模型包括多个卷积层和每个所述卷积层后的激活层，所述激活层为ReLU函数；S2：选取训练集，并设置所述ReLU卷积神经网络模型的训练参数；S3：根据所述ReLU卷积神经网络模型及其训练参数，以最小化损失函数为目标训练所述ReLU卷积神经网络模型形成图像去噪神经网络模型，其中，损失函数L(θ)为均方误差函数加上L2范数正则项：![]()
其中Xi、Yi分别为选取的所述训练集中的图像的噪声图像块和干净图像块，θ表示权重，n表示图像块的个数，λ表示正则系数，F函数表示训练出的噪声图像到干净图像的映射；S4：将待处理的图像输入到所述图像去噪神经网络模型，输出去噪后的图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市未来媒体技术研究院;清华大学深圳研究生院，未经深圳市未来媒体技术研究院;清华大学深圳研究生院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610482594.3/，转载请声明来源钻瓜专利网。
- 上一篇：图像校正方法及装置
- 下一篇：一种笔式图像扫描拼接方法与装置
