[发明专利]基于深度学习去除图像压缩噪声的方法、装置及处理器有效
| 申请号： | 201910677048.9 | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110415190B | 公开（公告）日： | 2023-03-14 |
| 发明（设计）人： | 李辉;周航;王传旭;张淑军;崔雪红 | 申请（专利权）人： | 青岛科技大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 青岛联智专利商标事务所有限公司 37101 | 代理人： | 李升娟 |
| 地址： | 266061 山*** | 国省代码： | 山东;37 |
| 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深度学习去除图像压缩噪声的方法、装置及处理器，所述方法包括：将待处理的图像输入已训练的残差网络，获取所述待处理的图像的压缩质量因子估计值；所述残差网络中，最后一层为全连接层，所述全连接层的神经元数量为1，所述残差网络的损失函数为平方损失函数；将所述待处理的图像及所述压缩质量因子估计值输入已训练的全卷积神经网络进行处理，获得去除压缩噪声后的图像。应用本发明，能够解决现有技术去除压缩噪声存在的处理速度慢、效果差等的问题。 | ||
| 搜索关键词： | 基于 深度 学习 去除 图像 压缩 噪声 方法 装置 处理器 | ||
【主权项】：
1.一种基于深度学习去除图像压缩噪声的方法，其特征在于，所述方法包括：将待处理的图像输入已训练的残差网络，获取所述待处理的图像的压缩质量因子估计值；所述残差网络中，最后一层为全连接层，所述全连接层的神经元数量为1，所述残差网络的损失函数为平方损失函数；将所述待处理的图像及所述压缩质量因子估计值输入已训练的全卷积神经网络进行处理，获得去除压缩噪声后的图像。
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青岛科技大学，未经青岛科技大学许可，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/201910677048.9/，转载请声明来源钻瓜专利网。
