[發明專利]基于自適應多光譜編碼的圖像去摩爾紋系統及方法

有效

• 申請號: 202211008359.4
• 申請日: 2022-08-22
• 公開（公告）號: CN115272131B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 張莉;代強;趙雷;王邦軍;李映
• 申請（專利權）人: 蘇州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李柏柏

1.一種基于自適應多光譜編碼的圖像去摩爾紋系統，其特征在于，包括：

數據處理模塊，其用于對獲取的原始訓練集中的圖像進行數據增強處理，得到訓練數據集；

模型訓練模塊，其用于使用訓練數據集對去摩爾紋網絡模型進行訓練，所述去摩爾紋網絡模型包括多個分支網絡，多個分支網絡對輸入的訓練數據集中的圖像進行下采樣得到多個不同分辨率的下采樣特征圖，并提取不同分辨率的下采樣特征圖中的摩爾紋圖像特征進行學習，得到訓練好的去摩爾紋網絡模型；

圖像處理模塊，其用于利用訓練好的去摩爾紋網絡模型在測試圖像上進行去摩爾紋處理，得到去摩爾紋處理后的圖像；

其中，每個分支網絡均包括自適應多光譜編碼模塊，所述自適應多光譜編碼模塊用于對不同分辨率的摩爾紋圖像特征進行自適應編碼；

所述自適應多光譜編碼模塊包括去摩爾紋子模塊、多光譜注意力層和歸一化層，所述去摩爾紋子模塊用于對下采樣特征圖進行摩爾紋圖像全局特征和局部特征的提取，所述多光譜注意力層用于學習提取的摩爾紋圖像特征，所述歸一化層用于對摩爾紋圖像特征進行多光譜特征編碼；

所述去摩爾紋子模塊包括改進殘差塊、大核注意力和多層感知機，所述改進殘差塊包括深度7×7卷積層和兩個1×1卷積層，其中兩個1×1卷積層之間連接GELU激活函數；所述大核注意力包括深度卷積層、深度擴張卷積層和1×1卷積層；所述多層感知機包括全連接層、深度卷積層、GELU激活函數和兩個隨機失活操作層，其中兩個隨機失活操作層之間連接有全連接層。

2.如權利要求1所述的基于自適應多光譜編碼的圖像去摩爾紋系統，其特征在于：所述去摩爾紋網絡模型包括三個分支網絡，第一個分支網絡對輸入的訓練數據集中的圖像進行下采樣得到分辨率為原始圖像1/2的下采樣特征圖，并提取該分辨率的下采樣特征圖中的摩爾紋圖像特征；第二個分支網絡對分辨率為原始圖像1/2的下采樣特征圖進行下采樣得到分辨率為原始圖像1/4的下采樣特征圖，并提取該分辨率的下采樣特征圖中的摩爾紋圖像特征；第三個分支網絡對分辨率為原始圖像1/4的下采樣特征圖進行下采樣得到分辨率為原始圖像1/8的下采樣特征圖，并提取該分辨率的下采樣特征圖中的摩爾紋圖像特征。

3.如權利要求1或2所述的基于自適應多光譜編碼的圖像去摩爾紋系統，其特征在于：每個分支網絡均包括下采樣模塊，所述下采樣模塊用于對輸入的圖像進行下采樣得到多個不同分辨率的下采樣特征圖。

4.如權利要求1所述的基于自適應多光譜編碼的圖像去摩爾紋系統，其特征在于：所述模型訓練模塊在使用訓練數據集對去摩爾紋網絡模型進行訓練時，首先要初始化去摩爾紋網絡模型的權重，然后采用訓練數據集對初始化后的去摩爾紋網絡模型進行訓練，每批次訓練取多個圖像，并使得損失函數的損失最小，其中損失函數l為：

式中I和分別表示原始高清圖像和生成的去摩爾紋圖像，I(i,j)表示圖像I中的第i行第j列的像素值，M和N分別表示圖像的寬度和高度，B表示每批次的圖像數量,ε表示Charbonnier懲罰系數。