一种基于自适应残差神经网络的图像复原方法技术

本发明专利技术公开了一种基于自适应残差神经网络的图像复原方法，包括：搭建自适应残差神经网络模型，所述自适应残差神经网络包括相互串联的多个自适应残差单元；分别选取针对图像去噪、图像超分辨和图像去块效应问题的训练集，并分别设置相应的训练参数；根据所述自适应残差神经网络模型以及针对图像去噪、图像超分辨和图像去块效应问题的训练参数，以最小化损失函数为目标分别训练相应的目标神经网络模型；根据训练得到的针对图像去噪、图像超分辨和图像去块效应问题的所述目标神经网络模型，将待处理的图像输入到相应的目标神经网络模型，输出相应的高质量的图像。本发明专利技术能够显著提高图像的PSNR、SSIM和视觉效果，复原效果好、速度快、鲁棒性强。

An image restoration method based on adaptive residual neural network

The invention discloses a method for image restoration, adaptive error based on neural network including: an adaptive residual neural network model, the adaptive residual neural network including a plurality of adaptive error unit are connected in series; were selected according to the image to train noise, image super-resolution and image deblocking problem sets, and were set up training the corresponding parameters; according to the adaptive neural network model and the residual image denoising, image super-resolution and image training parameters to block the effect of the problem, to minimize the cost function for the goal training model of neural network corresponding; according to the model of neural network for image denoising, image super-resolution and image to block the effect of training, image input to the neural network model of the corresponding target will be processed, lost A corresponding high quality image. The invention can significantly improve the PSNR, SSIM and visual effects of the image, and have good recovery effect, fast speed and strong robustness.

【技术实现步骤摘要】
一种基于自适应残差神经网络的图像复原方法
本专利技术涉及计算机视觉与数字图像处理领域，尤其涉及一种基于自适应残差神经网络的图像复原方法。
技术介绍
图像复原，是计算机视觉和图像处理的一个经典且根本的问题，是解决很多相关问题的预处理必备过程，它的目的是从低质量的图像Y中恢复潜在的高质量的图像X，该过程可表示为：Y＝AX+N，其中，N通常被认为是加性高斯白噪声(AdditiveWhiteGassian，AWG)，这是一个典型的病态的线性的逆问题。如果图像破坏源只有高斯白噪声，则该问题变成图像去噪；如果没有噪声，且A是一个下采样因子，则该问题变成图像超分辨；若没有噪声，且A是一个JPEG压缩质量参数，则该问题变成图像去块效应。解决这些问题的方法主要有传统的算法和近期流行的神经网络方法。现有的针对这三种不同的应用的典型的解决方法如下。图像去噪，很多方法的基础是非局部自相似(NonlocalSelf-Similarity，NSS)原理。其中，一个重要的方法叫Block-matchingand3Dfiltering(BM3D)：先是建立一个3D的立方的NSS图像块，然后在稀疏的3D变换域中对图像本文档来自技高网...

【技术保护点】
一种基于自适应残差神经网络的图像复原方法，其特征在于，包括以下步骤：A1：搭建自适应残差神经网络模型，所述自适应残差神经网络包括相互串联的多个自适应残差单元，其中每个所述自适应残差神经单元包括多个卷积层、多个激活层、自适应跳跃连接单元，其中每个激活层分别对应设置在每个卷积层后；A2：分别选取针对图像去噪、图像超分辨和图像去块效应问题的训练集，并分别设置所述自适应残差神经网络模型的针对图像去噪、图像超分辨和图像去块效应问题的训练参数；A3：根据所述自适应残差神经网络模型以及针对图像去噪、图像超分辨和图像去块效应问题的训练参数，以最小化损失函数为目标分别训练所述自适应残差神经网络模型以分别形成针对...

【技术特征摘要】
1.一种基于自适应残差神经网络的图像复原方法，其特征在于，包括以下步骤：A1：搭建自适应残差神经网络模型，所述自适应残差神经网络包括相互串联的多个自适应残差单元，其中每个所述自适应残差神经单元包括多个卷积层、多个激活层、自适应跳跃连接单元，其中每个激活层分别对应设置在每个卷积层后；A2：分别选取针对图像去噪、图像超分辨和图像去块效应问题的训练集，并分别设置所述自适应残差神经网络模型的针对图像去噪、图像超分辨和图像去块效应问题的训练参数；A3：根据所述自适应残差神经网络模型以及针对图像去噪、图像超分辨和图像去块效应问题的训练参数，以最小化损失函数为目标分别训练所述自适应残差神经网络模型以分别形成针对图像去噪、图像超分辨和图像去块效应问题的目标神经网络模型；A4：根据训练得到的针对图像去噪、图像超分辨和图像去块效应问题的所述目标神经网络模型，将待处理的图像输入到相应的目标神经网络模型，输出相应的高质量的图像。2.根据权利要求1所述的图像复原方法，其特征在于，所述激活层为PReLU函数。3.根据权利要求1所述的图像复原方法，其特征在于，所述自适应残差神经单元具体包括两个3×3卷积层和相互串联的6个自适应残差单元，其中两个3×3卷积层分别连接在相互串联的6个自适应残差单元的首尾两端。4.根据权利要求1所述的图像复原方法，其特征在于，每个所述残差单元中的所述多个卷积层由两个3×3卷积层组成。5.根据权利要求1所述的图像复原方法，其特征在于，所述自适应跳跃连接单元为通过引入两个参数α和β来将输入和输出连接起来，其中α用于控制原始输入对后面深层网络的影响，β用于控制当前输出层对后面深层网络的影响。6.根据权利要求1所述的图像复原方法，其特征在于，步骤A2中针对图像去噪、图像超分辨和图...

【专利技术属性】
技术研发人员：张永兵，孙露露，王好谦，王兴政，戴琼海，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44