[發明專利]基于卷積神經網絡的圖像真實噪聲去除系統

在審

• 申請號: 201811040207.6
• 申請日: 2018-09-06
• 公開（公告）號: CN109285129A
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 左旺孟;果實;閆子飛;張凱
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 宋詩非

基于卷積神經網絡的圖像真實噪聲去除系統，屬于圖像去噪領域，解決了現有基于卷積神經網絡的圖像去噪方法對于圖像真實噪聲的去除效果不理想的問題。本發明所述的基于卷積神經網絡的圖像真實噪聲去除系統，先通過圖像真實噪聲水平估計子網絡估計待去噪圖像的真實噪聲等級值，再通過圖像噪聲去除子網絡，并根據待去噪圖像的真實噪聲等級估計值對待去噪圖像的真實噪聲進行去除。與現有基于卷積神經網絡的圖像去噪方法相比，本發明所述的基于卷積神經網絡的圖像真實噪聲去除系統因引入了真實噪聲等級估計環節而具有更好的圖像真實噪聲去除效果。

技術領域

本發明涉及一種圖像去噪系統，屬于圖像去噪領域。

背景技術

圖像去噪是計算機視覺和圖像處理領域的一項基本問題。在人們通過圖像采集設備獲 取圖像的過程中，由于圖像采集設備的自身物理約束以及外界光環境的限制，使得采集到 的圖像中不可避免地存在噪聲，進而影響成像質量。為此，現有的圖像采集設備均采用圖 像去噪技術來提高自身的成像質量。然而，由于圖像真實噪聲具有成分復雜性和來源多樣 性的特點，以及每個圖像采集設備的真實噪聲模型都有所差異，使得圖像真實噪聲去除的 難度較大。

近年來，學者們嘗試將卷積神經網絡應用于圖像去噪領域，并在高斯白噪聲的去除上 取得了比現有基于三維塊匹配的圖像去噪方法和基于加權核范數最小化的圖像去噪方法 更好的效果。然而，由于圖像真實噪聲的復雜度遠大于高斯白噪聲的復雜度，使得現有基 于卷積神經網絡的圖像去噪方法對于圖像真實噪聲的去除效果并不理想。

發明內容

本發明為解決現有基于卷積神經網絡的圖像去噪方法對于圖像真實噪聲的去除效果 不理想的問題，提出了一種基于卷積神經網絡的圖像真實噪聲去除系統。

本發明所述的基于卷積神經網絡的圖像真實噪聲去除系統包括圖像真實噪聲水平估 計子網絡和圖像噪聲去除子網絡；

圖像真實噪聲水平估計子網絡和圖像噪聲去除子網絡均基于卷積神經網絡實現；

圖像真實噪聲水平估計子網絡將待去噪圖像作為其輸入，輸出該圖像的真實噪聲等級 估計值；

圖像噪聲去除子網絡將待去噪圖像及其真實噪聲等級估計值作為其輸入，輸出去噪后 圖像。

作為優選的是，圖像真實噪聲水平估計子網絡為前向淺層卷積神經網絡。

作為優選的是，圖像真實噪聲水平估計子網絡包括卷積層C1～卷積層C5；

卷積層C1用于對待去噪圖像依次進行第一卷積操作和激活操作；

卷積層C2用于對卷積層C1的輸出結果依次進行第二卷積操作和激活操作；

卷積層C3用于對卷積層C2的輸出結果依次進行第三卷積操作和激活操作；

卷積層C4用于對卷積層C3的輸出結果依次進行第四卷積操作和激活操作；

卷積層C5用于對卷積層C4的輸出結果依次進行第五卷積操作和激活操作；

卷積層C5的輸出結果為待去噪圖像的真實噪聲等級估計值；

第一卷積操作和第五卷積操作均為96個3×3、步長為1的卷積操作；

第二卷積操作～第四卷積操作均為1024個3×3、步長為1的卷積操作；

激活操作采用ReLU函數。

作為優選的是，圖像噪聲去除子網絡為U型卷積神經網絡。

作為優選的是，圖像噪聲去除子網絡包括卷積層C6～卷積層C23、卷積層D1、卷積層D2、反卷積層U1、反卷積層U2和殘差層R；

卷積層C6用于對待去噪圖像及其真實噪聲等級估計值進行第六卷積操作和激活操 作；