[发明专利]一种基于混合损失的轻量级深度图像去噪方法有效
| 申请号： | 201810794951.9 | 申请日： | 2018-07-18 |
| 公开（公告）号： | CN109087255B | 公开（公告）日： | 2022-03-08 |
| 发明（设计）人： | 李阳;苗壮;王家宝;张睿;吴波;张洋硕 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 210007 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于混合损失的轻量级深度图像去噪方法，包括如下步骤：获取无噪声图像，并利用计算机在无噪声图像上加入随机噪声，构建一个用于训练去噪网络的数据集，数据集中包含成对的有噪声和无噪声图像；构造一个轻量级的深度卷积神经网络，网络可以实现将输入的有噪声图像转换为无噪声图像；构造一个混合损失函数，混合损失函数包括图像的像素级恢复损失和PSNR损失，利用该混合损失函数训练深度卷积神经网络，获得深度图像去噪网络模型参数；模型学习完毕后，即可利用该网络输入有噪声图像，网络的输出即为去噪之后的图像。本发明实现了轻量级的深度图像去噪方法，在有限计算资源的移动设备和嵌入式设备中能够达到高质量的去噪效果。 | ||
| 搜索关键词： | 一种 基于 混合 损失 轻量级 深度 图像 方法 | ||
【主权项】：
1.一种基于混合损失的轻量级深度图像去噪方法，其特征在于，包括以下步骤：步骤S1、获取无噪声图像，并利用计算机在无噪声图像上加入随机噪声，构建一个用于训练去噪网络的数据集，数据集中包含成对的有噪声图像和无噪声图像；步骤S2、构造一个轻量级深度卷积神经网络作为去噪网络，该深度卷积神经网络用于将输入的有噪声图像转换为无噪声图像；步骤S3、构造一个混合损失函数，该混合损失函数包括图像的像素级恢复损失和PSNR损失，利用该混合损失函数训练深度卷积神经网络，获得深度图像去噪网络模型参数；步骤S4、深度图像去噪网络模型学习完毕后，利用深度卷积神经网络输入有噪声图像，网络的输出即为去噪之后的图像。
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中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，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/201810794951.9/，转载请声明来源钻瓜专利网。
