The invention discloses a gray image denoising method based on hollow convolution and automatic coding and decoding neural network, which includes the following steps: taking clear image and noise image corresponding to clear image as a training sample to construct training set; constructing image denoising model, which includes image feature coding unit for feature coding of noise image The image feature decoding unit for decoding the coded feature map output from the image feature encoding unit includes feature extraction module and 10 encoding module, and the image decoding unit includes 10 decoding module and image restoration module. The training set is used to train the image denoising model to obtain the trained image denoising model. The noise image is input into the trained image denoising model, and the denoising image is calculated and output. The gray image denoising method can quickly remove the noise of the image and improve the visual effect of the image.
【技术实现步骤摘要】
基于空洞卷积及自动编解码神经网络的灰度图像降噪方法
本专利技术属于图像信号处理领域,具体涉及一种基于空洞卷积及自动编解码神经网络的灰度图像降噪方法。
技术介绍
图像是人们获取信息极其重要的来源。在如今的信息时代,随着数码设备的普及,数字图像已成为人们获取信息的重要手段,深入到生产和生活的方方面面,取得了巨大的社会和经济效益。近年来图像处理技术与机器学习、机器视觉等研究领域的结合,更是产生了前所未有的新发展和突破。然而在图像获取、处理、压缩、传输、存储及复制的过程中,不可避免会引入噪声,从而降低图像质量。图像去噪的主要目标是滤除其中的随机噪声,并尽可能地保留图像细节信息。随着科技的发展,图像处理中各个流程对图像质量的要求也不断提高。因此,研究图像去噪算法是十分必要和重要的。图像去噪涉及光学系统、微电子技术、计算机科学、数学分析等诸多领域,是一门综合性极强的基础学科,且在图像处理领域有着极其重要的地位。研究人员提出了大量地去噪算法来消除图中的噪声,并将这个过程称为图像平滑或图像滤波。根据采用的滤波方法,图像滤波可以分为两类:一种称之为线性滤波,是一种最简单的去除图像噪声方式;一种利用原始信号与噪声信号特有的统计特性进行去噪,被称之为非线性滤波。同时,根据滤波存在的信号域,图像去噪可以分为两类:一类为空间域方法,其主要在图像空间域对像素点进行处理;另一类为变换域方法,其在变换域对图像系数进行修正处理,然后经过逆变换得到最终处理后的空域图像。随着现代处理器计算能力和深度学习理论的高速发展,基于神经网络的图像降噪方法作为一种新型的图像去噪方法,已成为热点。与传统滤波 ...
【技术保护点】
1.一种基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,包括以下步骤:将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,以此构建训练集;构建图像降噪模型,该图像降噪模型包括用于对噪声图像进行特征编码的图像特征编码单元、用于对图像特征编码单元输出的编码特征图进行解码的图像特征解码单元,其中,图像特征编码单元包括特征提取模块和10个编码模块,图像解码单元包括10个解码模块和图像复原模块;利用训练集训练构建的图像降噪模型,获得训练好的图像降噪模型;应用时,将噪声图像输入至训练好的图像降噪模型,经计算输出降噪图像。
【技术特征摘要】
1.一种基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,包括以下步骤:将清晰图像和与清晰图像对应的噪声图像作为一个训练样本,以此构建训练集;构建图像降噪模型,该图像降噪模型包括用于对噪声图像进行特征编码的图像特征编码单元、用于对图像特征编码单元输出的编码特征图进行解码的图像特征解码单元,其中,图像特征编码单元包括特征提取模块和10个编码模块,图像解码单元包括10个解码模块和图像复原模块;利用训练集训练构建的图像降噪模型,获得训练好的图像降噪模型;应用时,将噪声图像输入至训练好的图像降噪模型,经计算输出降噪图像。2.如权利要求1所述的基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,其特征在于:采用固定的噪声等级对清晰图像加上高斯噪声,得到与清晰图像对应的噪声图像。3.如权利要求1所述的基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,其特征在于:采用相同随机步长将清晰图像和与清晰图像对应的噪声图像分割成若干组图像块,以每组图像块作为一个训练样本。4.如权利要求3所述的基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,其特征在于:将清晰图像和与清晰图像对应的噪声图像分割成40×40的图像块。5.如权利要求1所述的基于空洞卷积及自动编解码神经网络的灰度图像降噪方法,其特征在于:特征提取模块包括卷积核大小为3×3、卷积核个数为64的卷积层和激活层;编码模块包括依次连接的降维子模块...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。