[发明专利]一种基于深度卷积网络的高噪声图像去噪方法有效
| 申请号： | 201910860560.7 | 申请日： | 2019-09-11 |
| 公开（公告）号： | CN110648292B | 公开（公告）日： | 2022-06-21 |
| 发明（设计）人： | 尚振宏;陆县委 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度卷积网络的高噪声图像去噪方法。本方法首先采用递增扩充卷积、批量标准化操作和Leakly ReLU函数对含有噪声的图像进行特征的提取；然后对图像进行恢复，采用的是递减扩充卷积和ReLU激活函数的结合的方式；接着通过残差学习和批量标准化操作的结合实现网络模型对图像噪声和内容的分离；最后通过求解最小化损失函数的值(针对不同的噪声分布采用不同的损失函数)，学习到网络模型最优的权重参数；最终可以利用训练好的网络模型对噪声图像进行去噪。本发明能够有效地去除高噪声环境下的图像噪声，改善图像的视觉效果，具有较好的实用性。 | ||
| 搜索关键词： | 一种 基于 深度 卷积 网络 噪声 图像 方法 | ||
【主权项】：
1.一种基于深度卷积网络的高噪声图像去噪方法，其特征在于：包含以下步骤：/n步骤S1：数据集的选择；/n步骤S2：对选择的数据集进行预处理；/n步骤S3：结合图像中的噪声类型，建立对称式扩充卷积残差网络；/n步骤S4：将有噪声的图像和其对应的清晰标签图像送入所述的对称式扩充卷积残差网络，得到图像去噪的网络模型；/n步骤S5：通过求解最小化损失函数的值，学习到网络模型的最优参数，利用训练好的网络模型对噪声图像进行复原。/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昆明理工大学，未经昆明理工大学许可，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/201910860560.7/，转载请声明来源钻瓜专利网。
