[發明專利]基于深度學習的圖像去噪方法

在審

• 申請號: 202010748359.2
• 申請日: 2020-07-30
• 公開（公告）號: CN111932474A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 伍廣彬;杜佳芝;言宏亮;于波;張華;劉自珍;曹晟;夏壯;石超
• 申請（專利權）人: 深圳市格靈人工智能與機器人研究院有限公司;深圳市格靈人工智能與機器人研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃廣龍

1.基于深度學習的圖像去噪方法，其特征在于，包括：

將噪聲圖像和噪聲水平輸入到圖像處理模型中進行處理；

利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節。

2.根據權利要求1所述的方法，其特征在于，所述圖像處理模型包括參數生成網絡和圖像去噪子網絡；

所述利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節，包括：

根據所述參數生成網絡生成縮放特征調節參數和偏移特征調節參數；

將所述縮放特征調節參數和偏移特征調節參數輸入到所述圖像去噪子網絡中，對所述噪聲圖像的特征進行處理。

3.根據權利要求2所述的方法，其特征在于，所述縮放系數由Sigmoid激活函數生成。

4.根據權利要求2所述的方法，其特征在于，所述偏移系數由Tanh激活函數生成。

5.根據權利要求1所述的方法，其特征在于，所述利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節包括：

利用優化算法加入到所述圖像處理模型中對所述噪聲圖像進行優化處理后輸出清晰圖像。

6.根據權利要求5所述的方法，其特征在于，所述優化算法包括Adam優化算法。

7.根據權利要求1所述的方法，其特征在于，所述圖像處理模型可以為多個；

利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節，包括：分別將所述噪聲圖像和所述噪聲水平輸入到每個所述圖像處理模型中進行處理。

8.圖像處理裝置，其特征在于，包括：

輸入模塊，將噪聲圖像和噪聲水平輸入到圖像處理模型中進行處理；

圖像處理模塊，利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節。

9.電子設備，其特征在于，包括：

至少一個處理器，以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器執行所述指令時實現如權利要求1至7任一項所述的方法。

10.計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至7任一項所述的方法。