[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的圖像去噪方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810063893.2
• 申請日: 2018-01-23
• 公開（公告）號(hào): CN108280811B
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 田春偉;徐勇
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)深圳研究生院
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 唐致明;洪銘福

1.一種基于神經(jīng)網(wǎng)絡(luò)的圖像去噪方法，其特征在于，包括：

獲取場景的高感光度圖像和低感光度圖像；

生成第一神經(jīng)網(wǎng)絡(luò)模型，并利用所述第一神經(jīng)網(wǎng)絡(luò)模型對(duì)所述低感光度圖像進(jìn)行去噪處理，得到去噪后的低感光度圖像；

將所述高感光度圖像和所述去噪后的低感光度圖像構(gòu)成訓(xùn)練圖像數(shù)據(jù)庫，并利用所述訓(xùn)練圖像數(shù)據(jù)庫訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，生成用于圖像去噪的第二神經(jīng)網(wǎng)絡(luò)模型；

將待處理圖像作為所述第二神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)處理后得到對(duì)應(yīng)的干凈圖像。

2.根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模型包括20個(gè)處理層，其中：

第1～17處理層每層的操作包括卷積、BN和激活，第18處理層的操作包括卷積和激活，第19處理層的操作包括卷積、BN和激活，第20處理層的操作為卷積；其中，所述激活采用的激活函數(shù)為Sigmoid，卷積過濾器的大小為3×3。

3.根據(jù)權(quán)利要求2所述的圖像去噪方法，其特征在于，利用RENOIR數(shù)據(jù)庫訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)模型，并把損失函數(shù)取得最小值時(shí)作為所述第一神經(jīng)網(wǎng)絡(luò)模型形成的標(biāo)志。

4.根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，所述第二神經(jīng)網(wǎng)絡(luò)模型包括25個(gè)處理層，其中：

第1、2處理層每層的操作包括卷積和激活，第3～22處理層每層的操作包括卷積、BN和激活，第23、24處理層每層的操作包括卷積和激活，第25處理層的操作為卷積；其中，所述激活采用的激活函數(shù)為Tanh。

5.根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征在于，所述第二神經(jīng)網(wǎng)絡(luò)模型的輸入還包括噪聲水平映射；其中，所述噪聲水平映射的計(jì)算公式為：

x'為噪聲，y為待處理圖像，x為待處理圖像對(duì)應(yīng)的干凈圖像，l為噪聲水平映射，λ為參數(shù)，為與圖像先驗(yàn)相關(guān)的正則項(xiàng)。

6.根據(jù)權(quán)利要求5所述的圖像去噪方法，其特征在于，在所述將所述高感光度圖像和所述去噪后的低感光度圖像構(gòu)成訓(xùn)練圖像數(shù)據(jù)庫，并利用所述訓(xùn)練圖像數(shù)據(jù)庫訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，生成用于圖像去噪的第二神經(jīng)網(wǎng)絡(luò)模型的步驟之后，還包括：

對(duì)所述待處理圖像進(jìn)行下采樣得到子噪聲圖像；相應(yīng)地，

將所述子噪聲圖像和所述噪聲水平映射作為所述第二神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)處理后得到對(duì)應(yīng)的干凈圖像。

7.一種基于神經(jīng)網(wǎng)絡(luò)的圖像去噪系統(tǒng)，其特征在于，包括：

圖像獲取模塊，用于獲取場景的高感光度圖像和低感光度圖像；

第一模型生成及工作模塊，用于生成第一神經(jīng)網(wǎng)絡(luò)模型，并利用所述第一神經(jīng)網(wǎng)絡(luò)模型對(duì)所述低感光度圖像進(jìn)行去噪處理，

得到去噪后的低感光度圖像；

第二模型生成模塊，用于將所述高感光度圖像和所述去噪后的低感光度圖像構(gòu)成訓(xùn)練圖像數(shù)據(jù)庫，并利用所述訓(xùn)練圖像數(shù)據(jù)庫訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，生成用于圖像去噪的第二神經(jīng)網(wǎng)絡(luò)模型；

第二模型工作模塊，用于將待處理圖像作為所述第二神經(jīng)網(wǎng)絡(luò)模型的輸入，經(jīng)處理后得到對(duì)應(yīng)的干凈圖像。

8.根據(jù)權(quán)利要求7所述的圖像去噪系統(tǒng)，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模型包括20個(gè)處理層，其中：

第1～17處理層每層的操作包括卷積、BN和激活，第18處理層的操作包括卷積和激活，第19處理層的操作包括卷積、BN和激活，第20處理層的操作為卷積；其中，所述激活采用的激活函數(shù)為Sigmoid，卷積過濾器的大小為3×3。

9.根據(jù)權(quán)利要求8所述的圖像去噪系統(tǒng)，其特征在于，利用RENOIR數(shù)據(jù)庫訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)模型，并把損失函數(shù)取得最小值時(shí)作為所述第一神經(jīng)網(wǎng)絡(luò)模型形成的標(biāo)志。