[發明專利]一種基于信息蒸餾網絡的圖像去噪方法及裝置

有效

• 申請號: 201910977859.0
• 申請日: 2019-10-15
• 公開（公告）號: CN110782406B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 鄒文斌;扶陳佳;卓圣楷;金枝;李霞
• 申請（專利權）人: 深圳大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 鮑竹

1.一種基于信息蒸餾網絡的圖像去噪方法，應用于包括特征提取網絡、信息蒸餾網絡以及壓縮網絡的整體神經網絡，其特征在于，包括：

將原始噪聲圖像進行二階小波變換，并將經過所述二階小波變換之后的所述原始噪聲圖像與基于預設噪聲閾值所構建的噪聲水平圖，同時輸入至所述特征提取網絡進行初步特征提取處理，得到淺層噪聲特征圖；其中，所述原始噪聲圖像為對原始清晰圖像加入加性高斯白噪聲之后所形成的圖像；

將所述淺層噪聲特征圖輸入至所述信息蒸餾網絡進行信息蒸餾處理，得到符合所述原始噪聲圖像的噪聲水平的深層噪聲特征圖；

將所述深層噪聲特征圖輸入至所述壓縮網絡進行顏色通道壓縮處理，并將經過所述顏色通道壓縮處理之后的所述深層噪聲特征圖進行二階小波逆變換，得到對應于所述原始噪聲圖像中的噪聲的噪聲圖；其中，所述噪聲圖用于對所述原始噪聲圖像進行圖像去噪處理。

2.如權利要求1所述的圖像去噪方法，其特征在于，所述將原始噪聲圖像進行二階小波變換包括：

采用db1小波基對原始噪聲圖像進行一階小波分解，得到所述原始噪聲圖像中的一階高頻信息和一階低頻信息，并對所述一階高頻信息和一階低頻信息分別進行二階小波分解，得到分別對應于所述一階高頻信息和一階低頻信息的二階高頻信息和二階低頻信息。

3.如權利要求1所述的圖像去噪方法，其特征在于，所述信息蒸餾網絡包括：依次順序連接的本地短路徑捕獲單元、本地長路徑信息捕獲單元以及壓縮單元；

所述將所述淺層噪聲特征圖輸入至所述信息蒸餾網絡進行信息蒸餾處理，得到符合所述原始噪聲圖像的噪聲水平的深層噪聲特征圖包括：

將所述淺層噪聲特征圖依次經過所述本地短路徑捕獲單元以及所述本地長路徑信息捕獲單元，進行信息增強處理；

將經過所述信息增強處理之后的所述淺層特征圖輸入至所述壓縮單元進行網絡參數壓縮處理，得到符合所述原始噪聲圖像的噪聲水平的深層噪聲特征圖。

4.如權利要求1所述的圖像去噪方法，其特征在于，所述整體神經網絡包括多個級聯的所述信息蒸餾網絡，所述信息蒸餾網絡采用遞歸學習的方式，基于回傳的損失函數對首個信息蒸餾網絡進行網絡參數更新，以及將位于所述首個信息蒸餾網絡之后的所有信息蒸餾網絡，均同步更新為與所述首個信息蒸餾網絡相同的網絡參數。

5.如權利要求3所述的圖像去噪方法，其特征在于，所述本地短路徑捕獲單元以及所述本地長路徑信息捕獲單元均包括3個卷積核尺寸為3×3的卷積層，各所述卷積層均采用Leaky-ReLU作為激活函數；

其中，所述本地短路徑捕獲單元的3個卷積層的通道數依次為：56、40、64，所述本地長路徑捕獲單元的3個卷積層的通道數依次為：32、64、96。

6.如權利要求1至5中任意一項所述的圖像去噪方法，其特征在于，所述信息蒸餾網絡的損失函數表示為：

其中，θ為所述信息蒸餾網絡的可訓練網絡參數，x_i為訓練集中第i張所述原始清晰圖像，y_i為對應于第i張所述原始清晰圖像的所述原始噪聲圖像，N為訓練集中的訓練圖像的總數量，M_i為對應于第i張所述原始清晰圖像的噪聲水平圖。