[發(fā)明專利]基于多感知對抗生成網(wǎng)絡(luò)的手機(jī)拍攝圖像去噪方法

有效

• 申請?zhí)枺?/td>: 202110006557.6
• 申請日: 2021-01-05
• 公開（公告）號: CN112634176B
• 公開（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 羅仁澤;黃雪霽;郭亮;庹娟娟
• 申請（專利權(quán)）人: 西南石油大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種多感知對抗生成網(wǎng)絡(luò)的手機(jī)拍攝圖像去噪方法，本發(fā)明改進(jìn)了SRGAN的不足，提出了一種新的損失函數(shù)，避免了SRGAN網(wǎng)絡(luò)可能不收斂或者效果差的問題；判別網(wǎng)絡(luò)在輸入層使用了多個(gè)感知塊，使判別網(wǎng)絡(luò)不限制輸入數(shù)據(jù)尺寸，更好的保存了輸入數(shù)據(jù)的細(xì)節(jié)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像去噪領(lǐng)域，特別是涉及手機(jī)拍攝圖像，具體涉及一種基于多感知對抗生成網(wǎng)絡(luò)的手機(jī)拍攝圖像去噪方法。

背景技術(shù)

在智能手機(jī)的各個(gè)功能中，拍照是一項(xiàng)非常重要的功能，雖然人們越來越習(xí)慣于使用輕便的智能手機(jī)拍照而不是笨重的數(shù)碼單反相機(jī)，但是因?yàn)槭謾C(jī)內(nèi)部空間的限制，導(dǎo)致其傳感器尺寸、光圈大小等硬件配置和數(shù)碼單反相機(jī)仍然有差距，這種硬件配置的差距導(dǎo)致智能手機(jī)拍照時(shí)產(chǎn)生的噪點(diǎn)會相對多于數(shù)碼單反相機(jī)。智能手機(jī)相比于數(shù)碼單反的優(yōu)勢在其擁有強(qiáng)大的芯片和神經(jīng)網(wǎng)絡(luò)處理器，智能手機(jī)利用其芯片的強(qiáng)大運(yùn)算能力，可以很好的解決拍攝圖像不清晰、細(xì)節(jié)模糊等問題。

傳統(tǒng)的圖像去噪算法是在含有噪聲的圖像中尋找出一定規(guī)律后再進(jìn)行相對應(yīng)的圖像去噪處理，如果含有噪聲的圖片本身沒有辦法找到有用的規(guī)律，去噪的效果就會大大降低。深度學(xué)習(xí)的圖像去噪方法是最近興起的一種屬于數(shù)據(jù)驅(qū)動(dòng)的方法，大部分圖像去噪的實(shí)驗(yàn)數(shù)據(jù)是充足的，這為深度學(xué)習(xí)的圖像去噪方法提供了堅(jiān)實(shí)的基礎(chǔ)，所以當(dāng)前深度學(xué)習(xí)方法在許多場景下的去噪效果已經(jīng)超越塊匹配和3D濾波算法(Block-matching and 3Dfiltering，BM3D)，該方法是Dabov K在2007年發(fā)表的論文Image denoising by sparse 3-D transform-domain collaborative filtering[J].IEEE Transactions on imageprocessing,2007,16(8):2080-2095。

智能手機(jī)的拍照環(huán)境多變且復(fù)雜，產(chǎn)生的圖像噪聲隨機(jī)性強(qiáng)且通常與信號相關(guān)，受環(huán)境因素影響大，沒有明確的分布可以描述。目前的一些基于深度學(xué)習(xí)的圖像去噪方法應(yīng)用于手機(jī)拍攝圖像去噪時(shí)通常會出現(xiàn)去噪圖像細(xì)節(jié)模糊、峰值信噪比低等問題，如何解決常規(guī)深度學(xué)習(xí)的圖像去噪方法應(yīng)用在智能手機(jī)拍攝圖像上的缺陷是本論文研究目的和意義。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的缺陷，改善常規(guī)深度學(xué)習(xí)方法生成的去噪圖像細(xì)節(jié)模糊、紋理不清的問題，避免網(wǎng)絡(luò)可能不收斂或者收斂慢的問題，提出了一種多感知對抗生成網(wǎng)絡(luò)去噪方法，本發(fā)明可以提高手機(jī)拍攝圖像的去噪效果。

本發(fā)明涉及一種多感知對抗生成網(wǎng)絡(luò)的手機(jī)拍攝圖像去噪方法，其特征在于包括以下步驟：

本發(fā)明涉及一種基于多感知對抗生成網(wǎng)絡(luò)的手機(jī)拍攝圖像去噪方法，其特征在于包括以下步驟：

1.構(gòu)建多感知對抗生成網(wǎng)絡(luò)模型；

1)構(gòu)建多感知對抗生成網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)F(x；w)，x為對抗生成網(wǎng)絡(luò)輸入，w為對抗生成網(wǎng)絡(luò)參數(shù)：

生成網(wǎng)絡(luò)包括三個(gè)網(wǎng)絡(luò)層，輸入層、隱藏層、輸出層；輸入層是手機(jī)拍攝圖像的輸入；輸出層是輸出已估計(jì)的噪聲；隱藏層分為兩個(gè)部分：隱藏層中第一部分包含四個(gè)卷積塊和三個(gè)池化層，卷積塊包含兩個(gè)卷積層，第一層卷積的卷積核大小為1x1，填充為0，步長為1，第二層卷積的卷積核大小為3x3，填充為1，步長為1，激活函數(shù)為線性整流函數(shù)；隱藏層中第二部分包含四個(gè)卷積塊和三個(gè)上采樣層，卷積塊包含兩個(gè)卷積層，第一層卷積的卷積核大小為1x1，填充為0，步長為1，第二層卷積的卷積核大小為3x3，填充為1，步長為1，激活函數(shù)為線性整流函數(shù)；其中線性整流函數(shù)的表達(dá)式為f(x)＝max(0,x)，x取值為任意實(shí)數(shù)；生成網(wǎng)絡(luò)的損失函數(shù)為L＝αD+βP+γS，其中L為損失函數(shù)，D表示來自判別網(wǎng)絡(luò)的損失，P是所生成的圖像與真實(shí)圖像之間的像素與像素間差值的L2范數(shù)，S是平滑損失，表示第n次迭代訓(xùn)練的損失函數(shù)值與第n-1次迭代訓(xùn)練的損失函數(shù)值的絕對誤差，當(dāng)n等于1和2時(shí)S＝0，α，β和γ是0到1之間的實(shí)數(shù)，分別是D、P和S的預(yù)定義權(quán)重；

2)構(gòu)建多感知對抗生成網(wǎng)絡(luò)中的判別網(wǎng)絡(luò)：