[发明专利]一种基于卷积神经网络的低照度带噪声图像优化方法在审
| 申请号： | 201910993809.1 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110728643A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 吴海申;李启明;王礼凯;徐璐;吕玥齐;康信杰 | 申请（专利权）人： | 上海海事大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/08;G06N3/04 |
| 代理公司： | 31323 上海元好知识产权代理有限公司 | 代理人： | 徐雯琼;章丽娟 |
| 地址： | 201306 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络的低照度带噪声图像优化方法，包含：S1、构建LLED‑Net卷积神经网络，其包括10个卷积层与10层相应的镜像反卷积层，使用跳越连接从卷积层连接到对应的镜像反卷积层；S2、收集正常光照图像，并通过人工合成相应的低照度带噪声图像，将图像进行数据增强扩充数量后作为训练数据，使用训练数据训练卷积神经网络模型，动态调整网络模型的学习率进行训练，得到训练好的LLED‑Net卷积神经网络；S3、通过训练好的LLED‑Net卷积神经网络模型对采集到的真实低照度带噪声图像进行重构优化，实现重构高质量图像。本发明可在低照度噪声图像的噪声强度、亮度未知情况下，使用模型自动学习图像的特征，提高图像亮度、去除图像噪声，重构高质量图片。 | ||
| 搜索关键词： | 卷积神经网络 噪声图像 低照度 图像 重构 训练数据 反卷积 卷积 高质量图像 动态调整 数据增强 图像噪声 网络模型 正常光照 质量图片 自动学习 构建 去除 优化 噪声 采集 学习 | ||
【主权项】：
1.一种基于卷积神经网络的低照度带噪声图像优化方法，其特征在于，包含：/n步骤S1、构建LLED-Net卷积神经网络；所述LLED-Net卷积神经网络为卷积-反卷积结构，包括N个卷积层与N层相应的镜像反卷积层，使用跳越连接从卷积层连接到对应的镜像反卷积层，所述跳越连接是指单个卷积层的输出传递给下一层卷积层，且将输出传递给对应的镜像反卷积层；所述LLED-Net卷积神经网络使用结构相似性损失作为卷积神经网络的损失函数；/n步骤S2、收集正常光照图像，并通过人工合成相应的低照度带噪声图像，将该低照度带噪声图像进行数据增强扩充数量后作为训练数据，使用所述训练数据训练所述LLED-Net卷积神经网络模型，动态调整网络模型的学习率进行训练，得到训练好的LLED-Net卷积神经网络；/n步骤S3、通过训练好的LLED-Net卷积神经网络模型对采集到的真实低照度带噪声图像进行重构优化，实现重构高质量图像。/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上海海事大学，未经上海海事大学许可，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/201910993809.1/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
