一种基于掩模学习的图像噪声抑制方法技术

本发明专利技术公开了一种基于掩模学习的图像噪声抑制方法，包括掩模学习过程和噪声抑制过程。掩模学习过程中，利用注意力机制自适应地关注图像的真实信息，通过网络对图像进行特征提取，学习得到图像掩模，使得真实内容区域和噪声区域拥有不同的权重，从而区别出噪声和图像内容。在噪声抑制过程中，利用Sigmoid函数对掩模矩阵进行归一化处理，将这些权重值映射到0～1之间。训练时，最小化噪声信息的权重，使其尽可能接近0，同时使真实区域的权重尽可能接近1，并将权重矩阵与提取的特征相乘。由于掩模学习可以精确到图像像素，依据噪声分布的特性，对每块图像内容学习不同的权重值，因此本发明专利技术对于图像的噪声去除效果更好，同时保留了更多的高频细节。

An image noise reduction method based on mask learning

The invention discloses an image noise suppression method based on mask learning, which includes a mask learning process and a noise suppression process. In the process of mask learning, the attention mechanism is used to pay attention to the real information of the image adaptively. Through the network, the image features are extracted, and the mask is learned, so that the real content area and the noise area have different weights, so as to distinguish the noise and the image content. In the process of noise suppression, the mask matrix is normalized by using the sigmoid function, and these weights are mapped between 0 and 1. During training, the weight of noise information is minimized to make it as close to 0 as possible, and the weight of real area is as close to 1 as possible, and the weight matrix is multiplied by the extracted features. Since the mask learning can be accurate to image pixels, according to the characteristics of noise distribution, different weight values can be learned for each image content, so the noise removal effect of the invention is better for the image, and more high-frequency details are retained at the same time.

【技术实现步骤摘要】
一种基于掩模学习的图像噪声抑制方法
本专利技术属于数字图像
，涉及一种图像去噪方法，具体涉及一种基于掩模学习的图像噪声抑制方法。
技术介绍
由于环境或传感器等因素影响，成像过程会引入额外的噪声，这些噪声会降低图像信息的固有质量，从而干扰后续的图像内容分析。因此，图像去噪是一项改善图像视觉体验的基本操作，也是许多计算机视觉任务(如分割、检测、跟踪、识别、分类等等)的重要预处理步骤。由于深度学习，特别是卷积神经网络(CNN)在图像处理领域取得了较好的成果，近年来，基于深度学习的图像去噪方法被提出并得到了发展。2008年，VirenJain等提出用CNN处理自然图像的去噪问题，得到了与常规方法(如小波变换和马尔可夫随机场)相近或更优的结果。2012年，Xie等利用栈式去噪自编码器进行图像去噪以及图像修复。Burger等人提出了用多层感知机(MLP)的方法实现神经网络去噪，并说明如果训练集足够，MLP模型可以达到图像去噪的当前最优水平。2016年，Mao等提出了深度的卷积编解码网络应用于图像去噪。2017年，Zhang等提出深层的CNN网本文档来自技高网...

【技术保护点】
1.一种基于掩模学习的图像噪声抑制方法，其特征在于，包括以下步骤：/n步骤1：选取部分图像数据Y，裁剪得到N×N的图像块，然后加高斯噪声生成图像对，作为训练样本；其中，N为正整数；/n步骤2：分批次将以上噪声图像输入到卷积神经网络中，利用卷积操作提取图像特征；/n步骤3：将提取的图像特征网络，利用注意力机制学习图像掩模，区分真实图像内容和噪声；/n步骤4：将步骤3中学习的得到的图像掩模用Sigmoid函数进行归一化，赋值权重到0-1之间；/n步骤5：将步骤4中得到的掩模矩阵与步骤2中提取的图像特征进行矩阵乘法，输出得到干净的图像；/n步骤6：通过最小化步骤5中的输出和原始干净图像的余弦距离，优...

【技术特征摘要】
1.一种基于掩模学习的图像噪声抑制方法，其特征在于，包括以下步骤：
步骤1：选取部分图像数据Y，裁剪得到N×N的图像块，然后加高斯噪声生成图像对，作为训练样本；其中，N为正整数；
步骤2：分批次将以上噪声图像输入到卷积神经网络中，利用卷积操作提取图像特征；
步骤3：将提取的图像特征网络，利用注意力机制学习图像掩模，区分真实图像内容和噪声；
步骤4：将步骤3中学习的得到的图像掩模用Sigmoid函数进行归一化，赋值权重到0-1之间；
步骤5：将步骤4中得到的掩模矩阵与步骤2中提取的图像特征进行矩阵乘法，输出得到干净的图像；
步骤6：通过最小化步骤5中的输出和原始干净图像的余弦距离，优化网络，实现对噪声图像的噪声去除。


2.根据权利要求1所述的基于掩模学习的图像噪声抑制方法，其特征在于：步骤3中，通过注意力机制引导网络关注图像的真实区域，学习得到掩模矩阵，对于真实图像内容和噪声具有不同的权重，从而将真实图像内容与噪声进行分离。


3.根据权利要求1所述的基于掩模学习的图像噪声抑制方法，其特征在于：步骤4中，利用Sigmoid函数对...

【专利技术属性】
技术研发人员：王中元，江奎，邹勤，易鹏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42