[发明专利]基于深度学习卷积神经网络的激光光斑图像去噪的方法有效
| 申请号： | 201910753847.X | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110599413B | 公开（公告）日： | 2023-05-09 |
| 发明（设计）人： | 张西良;宗圣康;李伯全;吴宇涛;尹经天 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06V10/764;G06N3/0464;G06N3/08;G06V10/82 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 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： | 本发明提供一种基于深度学习卷积神经网络的激光光斑图像去噪的方法，包括以下步骤：步骤S1、图像采集：通过图像采集装置采集原始光斑灰度图像；步骤S2、光斑图像噪声分类处理：将原始光斑灰度图像输入分类器网络进行标签预测得到标签图像进行噪声分类，获得稀疏清晰图像；步骤S3、光斑图像去噪处理：将稀疏清晰图像与原始光斑灰度图像一起输入进回归网络，重建光斑图像，得到去噪后的光斑图像。使用回归网络对光斑图像进行噪声消除，将稀疏清晰图像与原始光斑图像一起馈送到回归网络以重建去噪图像，从而提高消除光斑图像随机噪声的精确度。 | ||
| 搜索关键词： | 基于 深度 学习 卷积 神经网络 激光 光斑 图像 方法 | ||
【主权项】：
1.一种基于深度学习卷积神经网络的激光光斑图像去噪的方法，其特征在于，包括以下步骤：/n步骤S1、图像采集：通过图像采集装置采集原始光斑灰度图像；/n步骤S2、光斑图像噪声分类处理：将原始光斑灰度图像输入分类器网络进行标签预测得到标签图像进行噪声分类，获得稀疏清晰图像；/n步骤S3、光斑图像去噪处理：将稀疏清晰图像与原始光斑灰度图像一起输入进回归网络，重建光斑图像，得到去噪后的光斑图像。/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江苏大学，未经江苏大学许可，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/201910753847.X/，转载请声明来源钻瓜专利网。
