【技术实现步骤摘要】
一种使用色度损失函数训练的深度学习去噪方法
[0001]本专利技术涉及图像处理
,特别涉及一种使用色度损失函数训练的深度学习去噪方法。
技术介绍
[0002]图像去噪是计算机视觉任务中的基础且重要的一环,它不仅影响人眼的视觉观感,对后续的高级视觉任务,如目标检测等,也至关重要。
[0003]近年来,随着神经网络的适应性越来越强,基于深度学习的去噪算法在处理低噪声图像时获得了良好的输出图像质量。然而,在恶劣的成像环境下恢复高质量图像对神经网络去噪器来说仍然极具挑战性。极低光环境下成像的大噪声图像在经过神经网络去噪后仍包含大量彩色噪声斑块,这严重影响了图像的视觉效果。
技术实现思路
[0004]本专利技术目的之一在于提供了一种使用色度损失函数训练的深度学习去噪方法,解决极低光环境下成像的大噪声图像在经过现有的神经网络去噪后仍包含大量彩色噪声斑块的技术问题。
[0005]本专利技术实施例提供的一种使用色度损失函数训练的深度学习去噪方法,包括:
[0006]基于色度损失函数和重建损失函数,确定总损失函数;
[0007]基于总损失函数,对去噪神经网络进行训练,获得去噪器;
[0008]基于去噪器,对待处理图片进行去噪处理。
[0009]优选的,色度损失函数计算公式如下:
[0010]L
chroma
=||TUV(output)
‑
YUV(gt)||1;
[0011]式中,L
chroma
表 ...
【技术保护点】
【技术特征摘要】
1.一种使用色度损失函数训练的深度学习去噪方法,其特征在于,包括:基于色度损失函数和重建损失函数,确定总损失函数;基于总损失函数,对去噪神经网络进行训练,获得去噪器;基于所述去噪器,对待处理图片进行去噪处理。2.如权利要求1所述的使用色度损失函数训练的深度学习去噪方法,其特征在于,所述色度损失函数计算公式如下:L
chroma
=||YUV(output)
‑
YUV(gt)||1;式中,L
chroma
表示所述色度损失函数;output表示去噪神经网络的输出图像;gt表示训练所用数据集中真实无噪声图像;YUV(output)表示去噪神经网络的输出图像对应的YUV图像;YUV(gt)表示训练所用数据集中真实无噪声图像对应的YUV图像;||YUV(output)
‑
YUV(gt)||1表示去噪神经网络的输出图像对应的YUV图像与训练所用数据集中真实无噪声图像对应的YUV图像之间的L1损失。3.如权利要求1所述的使用色度损失函数训练的深度学习去噪方法,其特征在于,所述重建损失函数计算公式如下:L
RAW
=||output
‑
gt||1or||output
‑
gt||2;式中,L
RAW
表示所述重建损失函数;output表示去噪神经网络的输出图像;gt表示训练所用数据集中真实无噪声图像;||output
‑
gt||1表示去噪神经网络的输出图像与训练所用数据集中真实无噪声图像之间的L1损失;||output
‑
gt||2表示去噪神经网络的输出图像与训练所用数据集中真实无噪声图像之间的L2损失。4.如权利要求1所述的使用色度损失函数训练的深度学习去噪方法,其特征在于,基于色度损失函数和重建损失函数,确定总损失函数,包括:L=γ*L
RAW
+(1
‑
γ)*L
chroma
;式中,L表示总损失函数;L
RAW
表示重建损失函数;L
chroma
表示色度损失函数;γ为超参数,取值范围为[0,1]。5.如权利要求4所述的使用色度损失函数训练的深度学习去噪方法,其特征在于,所述基于所述去噪器,对待处理图片进行去噪处理,包括:获取所述待处理图像的第一分类信息;基于预设的编码化模板,确定所述待处理图像的第一分类信息对应的第一编码;将所述第一编码与所述去噪器的适用分类集各个标准分类对应的第二编码进行匹配;当存在匹配符合项时,将所述待处理图像输入所述去噪器;否则,输出去噪类型不匹配的提示信息。6.如权利要求5所述的使用色度损失函数训...
【专利技术属性】
技术研发人员:彭丽媛,李文宏,
申请(专利权)人:上海宇勘科技有限公司,
类型:发明
国别省市:
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。