[发明专利]一种基于掩模学习的图像噪声抑制方法在审
| 申请号： | 201910662542.8 | 申请日： | 2019-07-22 |
| 公开（公告）号： | CN110490817A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 王中元;江奎;邹勤;易鹏 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 魏波<国际申请>=<国际公布>=<进入国 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 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掩模学习的图像噪声抑制方法，包括掩模学习过程和噪声抑制过程。掩模学习过程中，利用注意力机制自适应地关注图像的真实信息，通过网络对图像进行特征提取，学习得到图像掩模，使得真实内容区域和噪声区域拥有不同的权重，从而区别出噪声和图像内容。在噪声抑制过程中，利用Sigmoid函数对掩模矩阵进行归一化处理，将这些权重值映射到0～1之间。训练时，最小化噪声信息的权重，使其尽可能接近0，同时使真实区域的权重尽可能接近1，并将权重矩阵与提取的特征相乘。由于掩模学习可以精确到图像像素，依据噪声分布的特性，对每块图像内容学习不同的权重值，因此本发明对于图像的噪声去除效果更好，同时保留了更多的高频细节。 | ||
| 搜索关键词： | 权重 掩模 图像内容 学习过程 噪声抑制 噪声 学习 图像 相乘 图像噪声抑制 噪声去除效果 归一化处理 注意力机制 高频细节 关注图像 权重矩阵 特征提取 图像像素 图像掩模 掩模矩阵 噪声区域 噪声信息 真实内容 真实信息 自适应 最小化 映射 保留 网络 | ||
【主权项】：
1.一种基于掩模学习的图像噪声抑制方法，其特征在于，包括以下步骤：/n步骤1：选取部分图像数据Y，裁剪得到N×N的图像块，然后加高斯噪声生成图像对，作为训练样本；其中，N为正整数；/n步骤2：分批次将以上噪声图像输入到卷积神经网络中，利用卷积操作提取图像特征；/n步骤3：将提取的图像特征网络，利用注意力机制学习图像掩模，区分真实图像内容和噪声；/n步骤4：将步骤3中学习的得到的图像掩模用Sigmoid函数进行归一化，赋值权重到0-1之间；/n步骤5：将步骤4中得到的掩模矩阵与步骤2中提取的图像特征进行矩阵乘法，输出得到干净的图像；/n步骤6：通过最小化步骤5中的输出和原始干净图像的余弦距离，优化网络，实现对噪声图像的噪声去除。/n
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武汉大学，未经武汉大学许可，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/201910662542.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种水下异构信息数据降噪方法
- 下一篇：基于CGAN的计算鬼成像重建恢复方法
