【技术实现步骤摘要】
基于深度残差网络的图像椒盐噪声去除方法
:本专利技术涉及一种图像椒盐噪声去除方法,尤其是一种基于深度学习的图像椒盐噪声去除方法。
技术介绍
:椒盐噪声是图像在采集、传输与存储环境过程中常见的污染噪声之一。由于椒盐噪声往往以0或者255的极值呈现且不具备常见的概率分布规律,因此现有方法只能依靠中值滤波等统计性工具去除。但图像被高强度椒盐噪声污染后,中值滤波并不能有效搜索到足够的修复信息,修复的效果往往不尽如人意。近年来,由于深度学习方法在大量数据训练参数模型时具有更高的准确性,因此基于深度学习的图像去噪方法不断发展。但是深度网络在向更深,更宽发展的过程中遇到了障碍,即随着网络深度的增加,精准度开始饱和,然后迅速下降,残差网络是解决这一类问题的有效解决途径。但是,迄今为止并没有关于基于深度残差网络的图像椒盐噪声去除方法的相关报道。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题,提供一种基于深度学习的图像椒盐噪声去除方法。本专利技术的技术解决方案是:一种基于深度残差网络的图像椒盐噪声去除方法,其特征在于按照如下步骤进行:步骤C011:从训练数据库的噪声图像中依次选取n张,记为Vk(k=1,2,3…n),将Vk中像素值为0或者像素值为255的像素点标记为椒盐噪声,对椒盐噪声采用中值滤波法进行处理,得到预处理后的结果图像Vk';步骤C012:设训练数据库中噪声图像Vk所对应的原始图像为Uk,用原始图像Uk与预处理后的结果图像Vk'相减并取绝对值,获得残差图Resk,Resk=|Uk-Vk'|;步骤C013:将残差图Resk输入到多层深度神经网络中,所述 ...
【技术保护点】
1.一种基于深度残差网络的图像椒盐噪声去除方法,其特征在于按照如下步骤进行:步骤C011:从训练数据库的噪声图像中依次选取n张,记为Vk(k=1,2,3…n),将Vk中像素值为0或者像素值为255的像素点标记为椒盐噪声,对椒盐噪声采用中值滤波法进行处理,得到预处理后的结果图像Vk';步骤C012:设训练数据库中噪声图像Vk所对应的原始图像为Uk,用原始图像Uk与预处理后的结果图像Vk'相减并取绝对值,获得残差图Resk,Resk=|Uk‑Vk'|;步骤C013:将残差图Resk输入到多层深度神经网络中,所述多层深度神经网络依次包括输入层、隐藏层与输出层,约定:l为层数,l=1,2,3...lend,
【技术特征摘要】
1.一种基于深度残差网络的图像椒盐噪声去除方法,其特征在于按照如下步骤进行:步骤C011:从训练数据库的噪声图像中依次选取n张,记为Vk(k=1,2,3…n),将Vk中像素值为0或者像素值为255的像素点标记为椒盐噪声,对椒盐噪声采用中值滤波法进行处理,得到预处理后的结果图像Vk';步骤C012:设训练数据库中噪声图像Vk所对应的原始图像为Uk,用原始图像Uk与预处理后的结果图像Vk'相减并取绝对值,获得残差图Resk,Resk=|Uk-Vk'|;步骤C013:将残差图Resk输入到多层深度神经网络中,所述多层深度神经网络依次包括输入层、隐藏层与输出层,约定:l为层数,l=1,2,3...lend,为第l层中第k个神经元与第l层中第j个神经元之间的权重,第l层中第j个神经元的激活函数为将残差图Resk从第1层输入,将第1层的训练参数结果作为第2层输入,第2层的训练参数结果...
【专利技术属性】
技术研发人员:傅博,王丽妍,赵晓阳,宋传鸣,王相海,
申请(专利权)人:辽宁师范大学,
类型:发明
国别省市:辽宁,21
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。