一种具有细节信息学习能力的图像去噪方法技术

本发明专利技术公开了一种具有细节信息学习能力的图像去噪方法，包括以下步骤：1）构建具有细节信息学习能力的图像去噪模型；2）使用该图像去噪模型对噪声图像进行去噪，获得干净图片；3）所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；4）最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。本发明专利技术提供一种新的图像去噪方法，能够有效地避免了光晕，振铃和马赛克效应，以及模糊和伪影现象，表现具有竞争力的去噪效果以及良好的视觉效果，同时还具有很强的泛化能力，可在超声图像，激光图像等真实图像去噪任务中表现出先进的去噪性能。

An image denoising method with the ability of learning detailed information

【技术实现步骤摘要】
一种具有细节信息学习能力的图像去噪方法
本专利技术涉及机器视觉的图像处理
，具体是指一种具有细节信息学习能力的图像去噪方法。
技术介绍
图像去噪的目的是从噪声图像中去除噪声并使图像清晰。近年来，图像去噪方法主要有传统的图像先验法和深度学习法。其中，传统的图像先验方法的去噪性能取决于研究者的先验知识，如非局部自相似模型和稀疏模型。基于深度学习，效果较突出的是张等人提出的DnCNN(DenoisingnoiseCNN)。该网络利用残差学习策略成功地避免了光晕，振铃和马赛克效应。Chen等人利用数量固定的梯度下降推断步骤，提出了一个可学习的非线性反应扩散(TrainableNonlinearReactionDiffusion，TNRD)去噪模型。该模型在捕获图像结构特征时局限于特定形式的先验信息。Cha等人提出了一种自适应的全卷积图像去噪网络。该网络使用了一种基于上下文关系的像素点映射的方法保留了比TNRD更多的图像细节信息，但极易出现伪影现象。Chen等人基于生成对抗网络提出了一种盲目去噪模型。这个模型由于具有用于区分噪声图像和去噪后的图像的本文档来自技高网...

【技术保护点】
1.一种具有细节信息学习能力的图像去噪方法，其特征在于，包括以下步骤：/n(1)构建具有细节信息学习能力的图像去噪模型；/n(2)使用该图像去噪模型对噪声图像进行去噪，获得干净图片；/n(3)所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；/n(4)最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。/n

【技术特征摘要】
1.一种具有细节信息学习能力的图像去噪方法，其特征在于，包括以下步骤：
(1)构建具有细节信息学习能力的图像去噪模型；
(2)使用该图像去噪模型对噪声图像进行去噪，获得干净图片；
(3)所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；
(4)最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。


2.根据权利要求1所述的一种具有细节信息学习能力的图像去噪方法，其特征在于，所述步骤(1)中，具有细节信息学习能力的图像去噪模型的具体构建过程如下：
(1.1)分析用于图像细节学习的最小化问题并根据残差卷积神经网络，构建能够体现图像细节表征能力的残差单元RU；
(1.2)利用残差单元RU对噪声特征映射n进行建模，构建噪声特征映射产生块NGB，所述噪声特征映射产生块NGB将噪声从噪声图像中分离；
(1.3)利用残差单元RU对图像细节信息特征映射I进行建模，构建图像细节信息特征映射产生块IDGB，所述图像细节信息特征映射产生块IDGB学习去噪过程中丢失的图像细节信息；
(1.4)将噪声特征映射产生块NDB的输出特征映射，作为图像细节信息特征映射产生块IDGB的输入特征映射，建立噪声特征映射产生块NGB与图像细节信息特征映射产生块IDGB端对端的卷积神经网络，即N-ID图像去噪模型，利用N-ID图像去噪模型对去噪过程中去除图像细节进行学习，然后表现到去噪后的图像中。


3.根据权利要求2所述的一种具有细节信息学习能力的图像去噪方法，其特征在于，所述步骤(1)中的残差单元RU包括减性残差单元RU-和加性残差单元RU+。


4.根据权利要求3所述的一种具有细节信息学习能力的图像去噪方法，其特征在于，所述噪声特征映射产生块NGB通过减性残差单元RU-对噪声特征映射块构建而成。


5.根据权利要求4所述的一种具有细节信息学习能力的图像去噪方法，其特征在于，所述步骤(1.2)中，利用减性残差单元RU-与噪声特征映射n所构建的模型为：
n(yi；θ)＝yi-x'
n(yi；θ...

【专利技术属性】
技术研发人员：叶远征，沈复民，孔繁昊，奚兴，张艳明，
申请(专利权)人：成都考拉悠然科技有限公司，
类型：发明
国别省市：四川;51