[發明專利]一種去除圖像噪聲的方法、裝置、設備及卷積神經網絡

有效

• 申請號: 201680080573.7
• 申請日: 2016-07-27
• 公開（公告）號: CN108604369B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 張浩;李建中
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 馮艷蓮

本發明提供一種去除圖像噪聲的方法、裝置、設備及卷積神經網絡，所述方法包括：獲取待去噪圖像的生成場景；從預設的場景與網絡權重系數的對應關系中，獲取當前生成場景所對應的網絡權重系數，所述網絡權重系數包括卷積權重系數以及合成比例系數；根據當前生成場景所對應的卷積權重系數，調整所述卷積神經網絡中每個卷積層中卷積單元的卷積權重系數，以及，根據當前生成場景所對應的合成比例系數，調整所述卷積神經網絡中輸出層合成最后一卷積層中不同卷積單元所輸出卷積運算結果的比例系數；利用調整后的卷積神經網絡，對所述待去噪圖像執行去噪；采用本發明提供的方法、裝置、設備及卷積神經網絡，可提高圖像的去噪效果。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種去除圖像噪聲的方法、裝置、設備及卷積神經網絡。

背景技術

卷積神經網絡(Convolutional Neural Network，CNN)是人工神經網絡的一種，近年來在圖像處理領域得到廣泛應用。所述CNN一般由輸入層、卷積層和輸出層組成，所述輸入層用于接收待去噪圖像，所述卷積層用于利用卷積權重系數對待去噪圖像對應的圖像矩陣，進行卷積運算，以去除圖像噪聲，所述輸出層用于輸出去噪后的圖像。

在現有技術中，CNN通常包括多個卷積層，而每個卷積層包括多個卷積單元，每個卷積單元的卷積權重系數不同；比如，如圖1所示，一CNN包括兩個卷積層，分別為第一卷積層和第二卷積層；而第一卷積層包括第一卷積單元和第二卷積單元兩個卷積單元，第二卷積層包括第三卷積單元和第四卷積單元兩個卷積單元，而第一卷積單元的卷積權重系數為W1，第二卷積單元的卷積權重系數為W2，第三卷積單元的卷積權重系數為W3，第四卷積單元的卷積權重系數為W4。而圖1所示的CNN，其去噪過程具體如下：首先輸入層接收待去噪圖像，然后將待去噪圖像的圖像矩陣分別發送至第一卷積層的第一卷積單元和第二卷積單元；而第一卷積單元將利用預設的卷積權重系數W1對圖像矩陣進行卷積運算，以去除圖像噪聲，且將卷積運算結果發送至第三卷積單元和第四卷積單元，而第二卷積單元將利用W2對圖像矩陣進行卷積運算，且將卷積運算結果也發送至第三卷積單元和第四卷積單元；而第三卷積單元將第一卷積單元和第二卷積單元發送的卷積運算結果作為輸入，利用預設的卷積權重系數W3對輸入的卷積運算結果再次進行卷積運算，以再次去除圖像噪聲；同理第四卷積單元也將第一卷積單元和第二卷積單元發送的卷積運算結果作為輸入，利用預設的卷積權重系數W4對輸入的卷積運算結果再次進行卷積運算；最后，輸出層將第三卷積單元與第四卷積單元輸出的卷積運算結果按一定的比例進行合成，獲得去噪后圖像。

在現有技術中，無論在何種場景下生成的圖像，CNN中的每個卷積運算單元均利用固定的卷積權重系數對圖像進行去噪，相應的，輸出層均利用固定的合成比例系數對最后一卷積層輸出的卷積運算結果進行合成，從而使得對圖像的去噪效果較差。

發明內容

本發明實施例提供一種去除圖像噪聲的方法、裝置、設備及卷積神經網絡，以提高圖像的去噪效果。

第一方面，提供一種去除圖像噪聲的方法，所述方法基于卷積神經網絡去除圖像噪聲，所述卷積神經網絡至少包括輸出層和多個卷積層，每個卷積層包括多個卷積單元，所述方法包括：

獲取待去噪圖像的生成場景；

從預設的場景與網絡權重系數的對應關系中，獲取當前生成場景所對應的網絡權重系數，所述網絡權重系數包括卷積權重系數以及合成比例系數，所述卷積權重系數為所述卷積神經網絡中每個卷積層所對應卷積單元的卷積系數，所述合成比例系數為所述卷積神經網絡中輸出層合成最后一卷積層中不同卷積單元所輸出卷積運算結果的比例系數；

根據當前生成場景所對應的卷積權重系數，調整所述卷積神經網絡中每個卷積層中卷積單元的卷積權重系數，以及，根據當前生成場景所對應的合成比例系數，調整所述卷積神經網絡中輸出層合成最后一卷積層中不同卷積單元所輸出卷積運算結果的比例系數；

利用調整后的卷積神經網絡，對所述待去噪圖像執行去噪。