[發明專利]一種基于小波變換的神經網絡圖像去噪方法

有效

• 申請號: 202010364618.1
• 申請日: 2020-04-30
• 公開（公告）號: CN111612707B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 顏成鋼;陳利;鞏鵬博;鄭錦凱;孫垚棋;張繼勇;張勇東
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06N3/0464;G06F3/048;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于小波變換的神經網絡圖像去噪方法。本發明首先使用小波變換對圖像進行分解，具體的是將原始圖像分解成為四個子圖像；對于得到的子圖像，分別單獨的使用設計好的全卷積神經網絡進行訓練，四個神經網絡之間互不干擾；接下來再使用圖像融合的方法將四個子圖融合成為最后的去噪圖像。本發明針對圖像中的噪聲，可以有效的進行過濾，得到一張對比度強，色彩自然，視覺效果好的圖像。該算法可以在手機上應用，只需要一鍵操作，有效的提高圖像的質量，令用戶的拍照體驗感提升。

技術領域

本發明涉及圖像去噪領域，具體的說涉及使用小波變換和神經網絡進行圖像去噪，訓練出最佳的網絡參數。

背景技術

隨著先進移動設備的普及，尤其是手機上相機的應用，人們幾乎可以隨時隨地拍照。而社交媒體平臺的蓬勃發展，每天都有大量的照片被制作和分享，形成了一種重要的大數據。但是，這些可視化數據的質量并沒有得到保證，因為這些可視化數據的生成源是相當開放的。一方面，在拍照時，大多數人都是業余愛好者或對攝影技巧知之甚少，他們常常選擇次優的拍攝參數。另一方面，有許多挑戰性的拍攝條件，導致低質量的照片，如惡劣的天氣，移動的物體，和低光照條件。噪聲圖像降低了用戶體驗的視覺質量，并且阻礙了對工業應用程序內容的理解。

圖像噪聲是造成圖像視覺質量差的主要因素之一，在黑暗中或者光照不均勻的情況下都會造成圖像失真。雖然存在允許用戶交互調整照片的軟件，但對于非專業人士來說，這是相當乏味和困難的，因為它需要同時操縱顏色和對比度等控件，同時精細地調整照片中的各種對象和細節。

一般的圖像處理，微小的細節對圖像降噪的后續處理程序影響不太明顯，但是當處理對象為醫學圖像時，這樣的小失誤是不被允許的，因為在醫療診斷或治療中，每一個微小的失誤都會影響醫師的治療方法甚至威脅到患者的生命。這就要求更多的研究者來投入時間和精力研究新的降噪技術，以達到降噪并同時仍能保留足夠細節信息的目的。

圖像去噪主要是對得到的不滿意的圖像進行自適應處理，過濾掉圖像中的噪聲，恢復圖像的細節信息。得到的增強圖像具有良好的對比度，自然的光照色彩以及良好的視覺效果。

發明內容

本發明主要是提出一種基于小波變換的神經網絡圖像去噪算法，可以對得到的包含噪聲的圖像進行增強處理，得到一張對比度明顯，色彩自然，視覺效果好，細節清晰的圖像。

本發明的方法首先使用小波變換對圖像進行分解，具體的是將原始圖像分解成為四個子圖像；對于得到的子圖像，分別單獨的使用設計好的全卷積神經網絡進行訓練，四個神經網絡之間互不干擾；接下來再使用圖像融合的方法將四個子圖融合成為最后的去噪圖像。

本發明解決其技術問題所采用的技術方案具體包括以下步驟：

步驟1：使用小波變換分解原始噪聲圖像，得到四個子圖；

通過低通和高通濾波器，分解原始噪聲圖像，得到四個子圖：LL子帶是由兩個方向利用低通小波濾波器卷積后產生的小波系數，它是圖像的近似表示；HL子帶是在行方向利用低通小波濾波器卷積后，再用高通小波濾波器在列方向卷積而產生的小波系數，它表示圖像的水平方向奇異特性；LH子帶是在行方向利用高通小波濾波器卷積后，再用低通小波濾波器在列方向卷積而產生的小波系數，它表示圖像的垂直方向奇異特性；HH子帶是由兩個方向利用高通小波濾波器卷積后產生的小波系數，它表示圖像的對角邊緣特性；

步驟2：使用全卷積神經網絡進行訓練，對得到的子圖進行訓練；

采取四個相同結構的全卷積神經網絡分別進行訓練，這四個網絡之間互不干擾，每個全卷積神經網絡只對自己的負責的子圖進行訓練；最后得到四張訓練過后的輸出子圖；

步驟3：使用圖像融合技術，將四個訓練后的子圖融合；

將得到的四張全卷積神經網絡的輸出子圖進行融合，得到一張包含圖像完整信息的去噪后的圖像；