[發明專利]一種包含噪聲估計的卷積盲去噪方法

在審

• 申請號: 202110038528.8
• 申請日: 2021-01-12
• 公開（公告）號: CN112837231A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 劉晶;田沖
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王敏強

本發明公開了一種包含噪聲估計的卷積盲去噪方法，具體包括如下步驟：步驟1，指定待訓練圖像的數據集；步驟2，對步驟1得到的待訓練數據集進行特征提??；然后利用提取的圖像特征進行圖像去噪；步驟3，利用損失函數對步驟2得到的去噪圖像進行訓練得到不含噪聲的圖像。本發明通過將含未知噪聲類型的真實圖片輸入卷積神經網絡進行噪聲估計并去除，得到不含噪聲的干凈圖像。

技術領域

本發明屬于圖像處理與識別方法技術領域，涉及一種包含噪聲估計的卷積盲去噪方法。

背景技術

圖像是人類傳遞信息的主要媒介。然而，圖像在生成和傳輸的過程中會受到各種噪聲的干擾，對信息的處理、傳輸和存儲造成極大的影響。噪聲的種類有很多，如：電噪聲、機械噪聲、信道噪聲等等。為了抑制噪聲，改善圖像質量，便于更高層次的處理，必須對圖像進行去噪處理。

噪聲在理論上可以定義為“不可預測，只能用概率統計方法來認識的隨機誤差”，這極大的影響了噪聲的去除。經過數十年的研究，已經開發出許多有前途的方法，并且取得了不錯的效果。但在真實圖片中，由于噪聲未知所以對真實圖片的噪聲去除依然是一個具有挑戰性的問題。

發明內容

本發明的目的是提供一種包含噪聲估計的卷積盲去噪方法，該方法通過將含未知噪聲類型的真實圖片輸入卷積神經網絡進行噪聲估計并去除，得到不含噪聲的干凈圖像。

本發明所采用的技術方案是，一種包含噪聲估計的卷積盲去噪方法，具體包括如下步驟：

步驟1，指定待訓練圖像的數據集；

步驟2，對步驟1得到的待訓練數據集進行特征提取；然后利用提取的圖像特征進行圖像去噪；

步驟3，利用損失函數對步驟2得到的去噪圖像進行訓練得到不含噪聲的圖像。

本發明的特點還在于：

步驟1中，選取來自不同數據集的樣本圖像組成訓練樣本圖像數據集；在訓練過程中，針對特定訓練樣本圖像數據集，采用與該訓練樣本圖像數據集對應的噪聲模型函數。

步驟1中，采用來自Nam數據集的圖像進行訓練時，使用的噪聲函數為：

y＝JPEG(f(DM(L+n(L)))) (1)；

采用來自DND和NC12數據集的圖像進行訓練時，采用的噪聲函數模型為：y＝f(DM(L+n(L))) (2)；

其中，公式(1)、(2)中，f()表示相機響應函數，DM()表示去馬賽克函數，L＝Mf^-1(x)表示從干凈圖像生成輻照度圖像x，JPEG()表示jpeg壓縮過程，y表示合成的噪聲圖像。

步驟2的具體過程為：

步驟2.1，首先訓練噪聲估計子網；

噪聲估計子網為5層全卷積網絡，設置每個卷積層中的特征通道數量為32，卷積核的大小為3×3，將從步驟1得到的數據集輸入到噪聲估計子網中進行卷積操作然后采用ReLU激活函數對待訓練的圖像矩陣進行激活，輸出激活后的圖像矩陣

步驟2.2，將從步驟2.1得到的圖像矩陣與原始輸入的圖像一同輸入到卷積去噪子網中，使用殘差學習的方式學習殘差映射然后預測無噪聲的圖像，從而得到干凈的圖像

步驟2.2的具體過程為：

步驟2.2.1，輸入2.1得到的圖像矩陣和原始圖像y進行卷積操作，輸出通道數為64的圖像矩陣；

步驟2.2.2，對步驟2.2.1得到的結果采用2×2的pooling進行下采樣，輸出通道數為128的圖像矩陣；