一种图像盲去噪系统技术方案

本发明专利技术涉及一种图像盲去噪系统，包括：盲去噪网络模块，用于去除输入图像的噪声，盲去噪网络模块使用预训练模型直接对带噪图像进行重构以减少生成最佳重构图像所需的迭代次数。采用具有跳跃连接的编码器‑解码器结构，仅使用高斯白噪声作为网络输入，使用带噪图像作为参考图像，使用均方误差作为损失函数；盲图像质量评估网络模块，用于对经过盲去噪网络模块重建的噪声图像进行评估，并决定何时终止盲去噪网络模块的迭代过程，选取评分最高的重构图像作为最终的去噪图像。

A blind image denoising system

【技术实现步骤摘要】
一种图像盲去噪系统
本专利技术是关于一种图像盲去噪系统，属于计算机视觉处理

技术介绍
对真实噪声图像的盲去噪是一个十分重要的课题，相比去除加性高斯白噪声更具挑战性和实际意义。实现盲去噪的方法包括了基于传统图像处理的方法和基于卷积神经网络的方法。NoiseClinic(NC)是一种传统的盲去噪算法，该算法首先估计图像的噪声模型，然后通过多尺度自适应的非局部贝叶斯算法进行去噪。NeatImage(NI)是由ABSoft发行的一款软件，它可以消除在高感光度设置下拍摄的低光照片中出现的噪点。实验表明这些方法在去除真实带噪图像上仍具有一定的局限性。另一方面，到目前为止，仅有少量的研究者开展了基于卷积神经网络(CNN)的盲去噪方法。UlyanovD等人(Deepimageprior，UlyanovDet.al.，ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.9446-9454，2018)提出了深度图像先验(DIP)算法，该方法使用参数随机初始化的卷积神经网络本文档来自技高网...

【技术保护点】
1.一种图像盲去噪系统，其特征在于，包括：/n盲去噪网络模块，用于去除输入图像的噪声，所述盲去噪网络模块包括预训练模型，根据迁移学习方法，将在所述预训练模型中经过多轮迭代后得到的包含了去噪图像信息的恢复图像的网络权重直接对噪声图像进行重建；/n盲图像质量评估网络模块，用于对经过所述盲去噪网络模块重建的所述噪声图像进行评估，并决定何时终止所述盲去噪网络模块的迭代过程，选取评分最高的重构图像作为最终的去噪图像。/n

【技术特征摘要】
1.一种图像盲去噪系统，其特征在于，包括：
盲去噪网络模块，用于去除输入图像的噪声，所述盲去噪网络模块包括预训练模型，根据迁移学习方法，将在所述预训练模型中经过多轮迭代后得到的包含了去噪图像信息的恢复图像的网络权重直接对噪声图像进行重建；
盲图像质量评估网络模块，用于对经过所述盲去噪网络模块重建的所述噪声图像进行评估，并决定何时终止所述盲去噪网络模块的迭代过程，选取评分最高的重构图像作为最终的去噪图像。


2.如权利要求1所述的图像盲去噪系统，其特征在于，在所述预训练模型中，所述盲去噪网络模块在每轮迭代中均生成一张重建图像，所述盲图像质量评估网络模块采用基本的分类结构估算所述重建图像的最佳质量，来决定何时终止所述盲去噪网络模块的迭代过程。


3.如权利要求2所述的图像盲去噪系统，其特征在于，所述盲图像质量评估网络模块连接低通滤波器，将所述盲图像质量评估网络模块估算的所述重建图像的质量得分通过所述低通滤波器进行滤波，从而获得质量最佳去噪图像。


4.如权利要求1-3任一项所述的图像盲去噪系统，其特征在于，所述盲去噪网络模块采用具有跳跃连接的编码器-解码器网络结构，所述具有跳跃连接的编码器-解码器网络结构由若干个下采样块、上采样块和跳跃连接块组成。


5.如权利要求1-3任一项所述的图像盲去噪系统，其特征在于，所述盲去噪网络模块输入是均匀噪声，并在迭代的过程中添加高斯白噪声作为扰动，所述盲去噪网络模块的参考图像是含有明显噪声的自...

【专利技术属性】
技术研发人员：谢翔，邹少锋，李国林，王志华，
申请(专利权)人：清华大学深圳国际研究生院，清华大学，
类型：发明
国别省市：广东;44