一种基于膨胀卷积图像去噪方法技术

本发明专利技术涉及一种基于膨胀卷积图像去噪方法，具体包括以下步骤，步骤一、训练数据的准备；步骤二、模型的建立；步骤三、将步骤二得到的图像进行编译得到编译后的模型；步骤四、将步骤一中得到的块图像加上加性高斯白噪声得到带有噪声的批量图片；步骤五、将步骤四得到的带有噪声的批量图片进行训练，得到训练后的模型；步骤六、测试数据的准备；步骤七、将得到的测试图像导入到步骤五模型的predict预测函数得到去噪后的图；本发明专利技术的去噪方法不仅可以恢复锐利的边缘和精细的细节，而且还能在光滑的区域产生令人愉快的视觉效果，并且本方法的网络结构由14层组成，能够减少需要的时间，提高效率。

【技术实现步骤摘要】
一种基于膨胀卷积图像去噪方法
本专利技术属于图像去噪
，具体涉及一种基于膨胀卷积图像去噪方法。
技术介绍
图像去噪是指减少数字图像中噪声的过程，现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。DnCNN是用残差学习在隐层中去掉干净的图像，得到一个噪声图像，再用有噪声的输入图像减去噪声图像从而得到清晰的图像。DnCNN采用17层网络，其中第一层是膨胀卷积+非线性激活函数（Relu），第2-16层是膨胀卷积+批归一化+非线性激活函数（Relu），第17层是膨胀卷积，此类网络层数过深，需要的时间长，所以会降低效率。
技术实现思路
为了解决现有技术中存在的上述技术问题，本专利技术提供了以下技术方案：一种基于膨胀卷积图像去噪方法，包括以下步骤，步骤一、训练数据的准备，准备若干张灰度训练图片，设置缩放因子，采用立方插值的方法生成若干张图片一；设置块尺寸和步长，对图片一进行块的裁取，对裁取后的每张图片一再做水平翻转或者翻转90°操作，得到数个块图像；步骤二、模型的建立，第一层，将输入图像采用零填充的方式与滤波器进行卷积操作得到图像x，再将图像x本文档来自技高网...

【技术保护点】
1.一种基于膨胀卷积图像去噪方法，其特征在于：包括以下步骤，步骤一、训练数据的准备，准备若干张灰度训练图片，设置缩放因子，采用立方插值的方法生成若干张图片一；设置块尺寸和步长，对图片一进行块的裁取，对裁取后的每张图片一再做水平翻转或者翻转90°操作，得到数个块图像；步骤二、模型的建立，第一层，将输入图像采用零填充的方式与滤波器进行卷积操作得到图像x，再将图像x进行非线性激活操作得到图像x1；第二层，将图像x1采用零填充的方式与滤波器进行膨胀因子为1的卷积操作得到图像out，再将图像out进行批归一化处理得到图像out1，然后对图像out1进行非线性激活操作得到图像out2；第三层，将图像out...

【技术特征摘要】
1.一种基于膨胀卷积图像去噪方法，其特征在于：包括以下步骤，步骤一、训练数据的准备，准备若干张灰度训练图片，设置缩放因子，采用立方插值的方法生成若干张图片一；设置块尺寸和步长，对图片一进行块的裁取，对裁取后的每张图片一再做水平翻转或者翻转90°操作，得到数个块图像；步骤二、模型的建立，第一层，将输入图像采用零填充的方式与滤波器进行卷积操作得到图像x，再将图像x进行非线性激活操作得到图像x1；第二层，将图像x1采用零填充的方式与滤波器进行膨胀因子为1的卷积操作得到图像out，再将图像out进行批归一化处理得到图像out1，然后对图像out1进行非线性激活操作得到图像out2；第三层，将图像out2采用零填充的方式与滤波器进行膨胀因子为2的卷积操作得到图像out3，再将图像out3进行批归一化处理得到图像out4，然后对图像out4进行非线性激活操作得到图像out5；第四层，设置膨胀因子为3，将图像out5重复第三层步骤得到图像out6；第五层，将图像out6采用零填充的方式与滤波器进行膨胀因子为4的卷积操作得到图像out7，再将图像out7进行...

【专利技术属性】
技术研发人员：彭亚丽，宁豆，张鲁，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61