[發(fā)明專利]圖像去噪的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910783313.1
• 申請(qǐng)日: 2019-08-23
• 公開（公告）號(hào): CN110490824A
• 公開（公告）日: 2019-11-22
• 發(fā)明（設(shè)計(jì)）人: 劉哲
• 申請(qǐng)（專利權(quán)）人: 廣東浪潮大數(shù)據(jù)研究有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T5/20
• 代理公司: 11227 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 李慧引<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.一種圖像去噪的方法，其特征在于，包括：

利用圖像去噪卷積模型中的輸入層對(duì)獲取到的圖像數(shù)據(jù)中的像素值進(jìn)行預(yù)處理，得到待計(jì)算數(shù)據(jù)；其中，所述圖像去噪卷積模型為利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建得到；

利用圖像去噪卷積模型中的卷積層對(duì)所述待計(jì)算數(shù)據(jù)進(jìn)行計(jì)算，得到計(jì)算結(jié)果；

利用圖像去噪卷積模型中的預(yù)測(cè)層將所述計(jì)算結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化圖像數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用圖像去噪卷積模型中的輸入層對(duì)獲取到的圖像數(shù)據(jù)中的像素值進(jìn)行預(yù)處理，得到待計(jì)算數(shù)據(jù)，包括：

獲取圖像數(shù)據(jù)；其中，所述圖像數(shù)據(jù)包括多個(gè)像素點(diǎn)的像素值；

根據(jù)所述每一個(gè)像素點(diǎn)的像素值計(jì)算得到所述每一個(gè)像素點(diǎn)的像素值的強(qiáng)度；其中，所述每一個(gè)像素點(diǎn)的像素值的強(qiáng)度為一個(gè)0-255之間的整數(shù)；

將所述每一個(gè)像素點(diǎn)的像素值的強(qiáng)度通過計(jì)算得到0-1的浮點(diǎn)數(shù)；

將所述每一個(gè)像素點(diǎn)的像素值的浮點(diǎn)數(shù)轉(zhuǎn)換成矩陣，表征所述待計(jì)算數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像去噪卷積模型中的卷積層的構(gòu)建過程，包括：

對(duì)獲取到的所述待計(jì)算數(shù)據(jù)進(jìn)行濾波操作；所述濾波操作如下所示：

其中，(R_in，G_in，B_in)為所述待計(jì)算數(shù)據(jù)，(W₁₁，W₁₂，W₁₃，W₂₁，W₂₂，W₂₃，W₃₁，W₃₂，W₃₃)為卷積核，(R_outG_outB_out)為所述計(jì)算結(jié)果。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用圖像去噪卷積模型中的預(yù)測(cè)層將所述計(jì)算結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化圖像數(shù)據(jù)，包括：

判斷所述計(jì)算結(jié)果是否大于1；

若判斷出所述計(jì)算結(jié)果大于1，則將所述計(jì)算結(jié)果變更為1；

若判斷出所述計(jì)算結(jié)果不大于1，則判斷所述計(jì)算結(jié)果是否小于0；

若判斷出所述計(jì)算結(jié)果小于0，則將所述計(jì)算結(jié)果變更為0。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用圖像去噪卷積模型中的預(yù)測(cè)層將所述計(jì)算結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化圖像數(shù)據(jù)之后，還包括：

利用圖像去噪卷積模型中的驗(yàn)證層，計(jì)算所述標(biāo)準(zhǔn)化圖像數(shù)據(jù)與預(yù)設(shè)的的標(biāo)準(zhǔn)化圖像數(shù)據(jù)的均方差值；其中，所述均方差值作為調(diào)整所述圖像去噪卷積模型中參數(shù)的依據(jù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述利用圖像去噪卷積模型中的驗(yàn)證層，計(jì)算所述標(biāo)準(zhǔn)化圖像數(shù)據(jù)與預(yù)設(shè)的的標(biāo)準(zhǔn)化圖像數(shù)據(jù)的均方差值，還包括：

利用預(yù)設(shè)的算法對(duì)所述圖像去噪卷積模型中的參數(shù)進(jìn)行優(yōu)化；

其中，所述預(yù)設(shè)的算法為

其中，是所述卷積神經(jīng)網(wǎng)絡(luò)第i輪迭代后的參數(shù)，λ是學(xué)習(xí)率，L是損失函數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述學(xué)習(xí)率λ的計(jì)算過程，包括：

其中，l_min＝10^-8，l_max＝10^-4，N代表總迭代次數(shù)，N＝5000，k為當(dāng)前的迭代次數(shù)。

8.一種圖像去噪的裝置，其特征在于，包括：

預(yù)處理單元，用于利用圖像去噪卷積模型中的輸入層對(duì)獲取到的圖像數(shù)據(jù)中的像素值進(jìn)行預(yù)處理，得到待計(jì)算數(shù)據(jù)；其中，所述圖像去噪卷積模型為利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建得到；

計(jì)算單元，用于利用圖像去噪卷積模型中的卷積層對(duì)所述待計(jì)算數(shù)據(jù)進(jìn)行計(jì)算，得到計(jì)算結(jié)果；

標(biāo)準(zhǔn)化處理單元，用于利用圖像去噪卷積模型中的預(yù)測(cè)層將所述計(jì)算結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化圖像數(shù)據(jù)。