[發(fā)明專利]一種輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)及訓(xùn)練方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110462356.7
• 申請(qǐng)日: 2021-04-27
• 公開（公告）號(hào): CN113191972B
• 公開（公告）日: 2023-04-14
• 發(fā)明（設(shè)計(jì)）人: 侯興松;劉恒岳
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 李鵬威

1.一種輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法，其特征在于，所述輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)采用4尺度的U型網(wǎng)絡(luò)結(jié)構(gòu)，包括7個(gè)二階殘差注意力模塊、3個(gè)下采樣模塊以及3個(gè)上采樣模塊；

所述7個(gè)二階殘差注意力模塊按照與輸入距離的遠(yuǎn)近依次命名為2ndRB₁……2ndRB₇，對(duì)于輸入的含噪圖像，首先經(jīng)過2ndRB₁進(jìn)行特征的提取，2ndRB₁的輸出有兩條分支：第一條分支向網(wǎng)絡(luò)后方傳遞，與2ndRB₆的輸出相加后輸入到2ndRB₇中；第二條分支經(jīng)過小波下采樣，送入到2ndRB₂中；2ndRB₂的輸出有兩條分支：第一條分支向網(wǎng)絡(luò)后方傳遞，與2ndRB₅的輸出相加后輸入到2ndRB₆中；第二條分支經(jīng)過小波下采樣，送入到2ndRB₃中；2ndRB₃的輸出有兩條分支：第一條分支向網(wǎng)絡(luò)后方傳遞，與2ndRB₄的輸出相加后輸入到2ndRB₅中；第二條分支經(jīng)過小波下采樣，送入到2ndRB₄中；2ndRB₄的輸出與2ndRB₃的第一條分支相加輸入至2ndRB₅中；2ndRB₅的輸出與2ndRB₂的第一條分支相加輸入至2ndRB₆中；2ndRB₆的輸出與2ndRB₁的第一條分支相加輸入至2ndRB₇中；2ndRB₇的輸出與輸入的噪聲圖像相加后得到去噪圖像；

所述二階殘差注意力模塊包括卷積層1-激活函數(shù)-卷積層2模塊和通道注意力模塊，且所述二階殘差注意力模塊將模塊輸入作為零階項(xiàng)，卷積層1-激活函數(shù)-卷積層2模塊輸出作為一階項(xiàng)，并把一階項(xiàng)輸入到通道注意力模塊中得到二階項(xiàng)，最終輸出二階項(xiàng)一半、零階項(xiàng)和一階項(xiàng)之和。

2.根據(jù)權(quán)利要求1所述的一種輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法，其特征在于，所述7個(gè)二階殘差注意力模塊參數(shù)設(shè)置如下表所示：

其中，卷積層1參數(shù)和卷積層2參數(shù)包括卷積核通道數(shù)c，個(gè)數(shù)n，卷積核大小d，卷積核滑動(dòng)步長(zhǎng)s，通道注意力參數(shù)包括特征伸縮倍數(shù)r。

3.根據(jù)權(quán)利要求1所述的一種輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法，其特征在于，所述3個(gè)下采樣模塊參數(shù)設(shè)置如下表所示：

其中，下采樣模塊采用Haar小波系數(shù)卷積實(shí)現(xiàn)，卷積類型采用二維分層卷積，輸入的每個(gè)通道數(shù)據(jù)與4個(gè)卷積核大小為2x2、滑動(dòng)步長(zhǎng)為2的卷積核卷積。

4.根據(jù)權(quán)利要求3所述的一種輕量真實(shí)圖像去噪的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法，其特征在于，所述3個(gè)上采樣模塊參數(shù)設(shè)置如下表所示：

所述上采樣模塊采用下采樣網(wǎng)絡(luò)逆過程實(shí)現(xiàn)，卷積類型采用二維分層反卷積。