[發明專利]一種圖像盲去噪系統

在審

• 申請號: 201911307908.6
• 申請日: 2019-12-18
• 公開（公告）號: CN111127356A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 謝翔;鄒少鋒;李國林;王志華
• 申請（專利權）人: 清華大學深圳國際研究生院;清華大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/08;G06N3/04
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 孫楠

1.一種圖像盲去噪系統，其特征在于，包括：

盲去噪網絡模塊，用于去除輸入圖像的噪聲，所述盲去噪網絡模塊包括預訓練模型，根據遷移學習方法，將在所述預訓練模型中經過多輪迭代后得到的包含了去噪圖像信息的恢復圖像的網絡權重直接對噪聲圖像進行重建；

盲圖像質量評估網絡模塊，用于對經過所述盲去噪網絡模塊重建的所述噪聲圖像進行評估，并決定何時終止所述盲去噪網絡模塊的迭代過程，選取評分最高的重構圖像作為最終的去噪圖像。

2.如權利要求1所述的圖像盲去噪系統，其特征在于，在所述預訓練模型中，所述盲去噪網絡模塊在每輪迭代中均生成一張重建圖像，所述盲圖像質量評估網絡模塊采用基本的分類結構估算所述重建圖像的最佳質量，來決定何時終止所述盲去噪網絡模塊的迭代過程。

3.如權利要求2所述的圖像盲去噪系統，其特征在于，所述盲圖像質量評估網絡模塊連接低通濾波器，將所述盲圖像質量評估網絡模塊估算的所述重建圖像的質量得分通過所述低通濾波器進行濾波，從而獲得質量最佳去噪圖像。

4.如權利要求1-3任一項所述的圖像盲去噪系統，其特征在于，所述盲去噪網絡模塊采用具有跳躍連接的編碼器-解碼器網絡結構，所述具有跳躍連接的編碼器-解碼器網絡結構由若干個下采樣塊、上采樣塊和跳躍連接塊組成。

5.如權利要求1-3任一項所述的圖像盲去噪系統，其特征在于，所述盲去噪網絡模塊輸入是均勻噪聲，并在迭代的過程中添加高斯白噪聲作為擾動，所述盲去噪網絡模塊的參考圖像是含有明顯噪聲的自然圖像，所述盲去噪網絡模塊的損失函數采用的是均方誤差。

6.如權利要求1-3任一項所述的圖像盲去噪系統，其特征在于，使用真實噪聲數據集通過所述盲去噪網絡模塊生成經過重建的噪聲圖像，并計算出所述經過重建的噪聲圖像的峰值信噪比，將所述峰值信噪比轉換為直方圖的分布作為所述盲圖像質量評估網絡模塊的重建圖像質量分數。

7.如權利要求6所述的圖像盲去噪系統，其特征在于，所述重建圖像質量分數可以表示為這里s_i表示第i個分數區間，N表示分數區間個數，表示圖像質量分數和落入第i個區間的概率，為了將峰值信噪比轉換為對應的質量分數分布，每個重構圖像的峰值信噪比可以線性轉換為μ，轉換公式如下：

其中，min(PSNR)和max(PSNR)分別表示所有重構圖像中最小和最大的峰值信噪比，并建立以μ為均值，方差σ＝1.5，采樣點個數為M的正態分布。

8.如權利要求7所述的圖像盲去噪系統，其特征在于，計算所述正態分布中落入第i個區間的采樣點個數，由此得出對應的概率分布，所述概率分布表示為當M→∞時，

9.如權利要求8所述的圖像盲去噪系統，其特征在于，所述重構圖像的質量分數定義為

10.如權利要求7-9任一項所述的圖像盲去噪系統，其特征在于，所述盲圖像質量評估網絡模塊，使用EMD距離作為損失函數，其具體形式為：

其中，p和分別表示真實和估計的概率分布，CDF_p(k)表示為累計概率分布