[發明專利]一種基于持續性記憶密集網絡的圖像高效去噪方法

在審

• 申請號: 201811576192.5
• 申請日: 2018-12-22
• 公開（公告）號: CN109785249A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 劉輝;梁祖仲
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于持續性記憶密集網絡的圖像高效去噪方法，其特征在于：包括如下步驟：

Step1、選取訓練集、驗證集及測試集，并對訓練集和驗證集進行預處理，得到帶噪聲的退化塊與不帶噪聲的清晰塊；

Step2、通過淺層特征抽取模塊、持續性記憶密集網絡模塊、內層嵌套網絡模塊和殘差求值模塊對帶噪聲的退化塊進行處理，得到預估去噪塊；

首先使用淺層特征抽取模塊對輸入圖像進行初步噪聲特征抽取，隨后將抽取所得的信息傳遞到持續性記憶密集網絡模塊，由該模塊使用殘差密集單元的堆疊進行精細噪聲特征的提取；經過多個殘差密集單元輸出的三維組合后，所得信息進一步傳遞到二通路的內層嵌套網絡模塊進行特征精細化過程；此時所得到的信息為即為網絡的抽取得到的噪聲，由淺層特征抽取模塊的輸出與內層嵌套網絡模塊的輸出值進行相減即可得到預估去噪塊；

Step3、使用網絡輸出的預估去噪塊與已知不帶噪聲的清晰塊計算均方誤差，以進行損失值度量；

Step4、從網絡末端開始，使用Adam算子求權值梯度值并更新網絡參數；

Step5、循環步驟Step2-Step4，待網絡收斂后訓練終止并獲得去噪模型；

Step6、在訓練好的去噪模型輸入含高斯噪聲圖像得到去除噪聲的圖像。

2.根據權利要求1所述的基于持續性記憶密集網絡的圖像高效去噪方法，其特征在于：所述步驟Step1中，選用圖像復原與增強比賽NTIRE中所使用的900張2K高清png圖像作為模型的訓練集、驗證集，其中前800張圖像用于模型訓練，后100張用于驗證；選用圖像去噪標準數據集Set12，BSD68對網絡模型進行測試，在訓練集與驗證集中，對每張2K高清原圖添加高斯白噪聲，隨后以步長27分別在高清原圖和噪聲圖的相同位置截取大小為96×96的圖像塊，得到不帶噪聲的清晰塊y_nf和帶噪聲的退化塊x。

3.根據權利要求1所述的基于持續性記憶密集網絡的圖像高效去噪方法，其特征在于：所述步驟2中，網絡首層使用包含單個卷積塊的淺層特征抽取模塊初步抽取噪聲特征；隨后，以殘差密集單元作為基本單位，并通過基本單位的逐層嵌套來構造持續性記憶密集網絡模塊，以抽取多粒度噪聲特征信息；在網絡的后半部分，內層嵌套網絡使用兩個并行子網絡對噪聲特征圖譜進行通道整合，通過不同個數、不同大小的卷積核實現噪聲信息特征的精細化，以得到圖像高頻噪聲信息；最后，網絡末端將包含高頻噪聲信息的圖像內容與初步抽取的噪聲特征進行綜合，通過殘差求值模塊中求差值的做法來去除噪聲的圖像。