一种基于小波变换的神经网络图像去噪方法技术

本发明专利技术公开了一种基于小波变换的神经网络图像去噪方法。本发明专利技术首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。本发明专利技术针对图像中的噪声，可以有效的进行过滤，得到一张对比度强，色彩自然，视觉效果好的图像。该算法可以在手机上应用，只需要一键操作，有效的提高图像的质量，令用户的拍照体验感提升。

【技术实现步骤摘要】
一种基于小波变换的神经网络图像去噪方法
本专利技术涉及图像去噪领域，具体的说涉及使用小波变换和神经网络进行图像去噪，训练出最佳的网络参数。
技术介绍
随着先进移动设备的普及，尤其是手机上相机的应用，人们几乎可以随时随地拍照。而社交媒体平台的蓬勃发展，每天都有大量的照片被制作和分享，形成了一种重要的大数据。但是，这些可视化数据的质量并没有得到保证，因为这些可视化数据的生成源是相当开放的。一方面，在拍照时，大多数人都是业余爱好者或对摄影技巧知之甚少，他们常常选择次优的拍摄参数。另一方面，有许多挑战性的拍摄条件，导致低质量的照片，如恶劣的天气，移动的物体，和低光照条件。噪声图像降低了用户体验的视觉质量，并且阻碍了对工业应用程序内容的理解。图像噪声是造成图像视觉质量差的主要因素之一，在黑暗中或者光照不均匀的情况下都会造成图像失真。虽然存在允许用户交互调整照片的软件，但对于非专业人士来说，这是相当乏味和困难的，因为它需要同时操纵颜色和对比度等控件，同时精细地调整照片中的各种对象和细节。一般的图像处理，微小的细节对图像降噪的后续处理程序影响本文档来自技高网...

【技术保护点】
1.一种基于小波变换的神经网络图像去噪方法，其特征在于首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。/n

【技术特征摘要】
1.一种基于小波变换的神经网络图像去噪方法，其特征在于首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。


2.根据权利要求1所述的一种基于小波变换的神经网络图像去噪方法，其特征在包括以下步骤：
步骤1：使用小波变换分解原始噪声图像，得到四个子图；
通过低通和高通滤波器，分解原始噪声图像，得到四个子图：LL子带是由两个方向利用低通小波滤波器卷积后产生的小波系数，它是图像的近似表示；HL子带是在行方向利用低通小波滤波器卷积后，再用高通小波滤波器在列方向卷积而产生的小波系数，它表示图像的水平方向奇异特性；LH子带是在行方向利用高通小波滤波器卷积后，再用低通小波滤波器在列方向卷积而产生的小波系数，它表示图像的垂直方向奇异特性；HH子带是由两个方向利用高通小波滤波器卷积后产生的小波系数，它表示图像的对角边缘特性；
步骤2：使用全卷积神经网络进行训练，对得到的子图进行训练；
采取四个相同结构的全卷积神经网络分别进行训练，这四个网络之间互不干扰，每个全卷积神经网络只对自己的负责的子图进行训练；最后得到四张训练过后...

【专利技术属性】
技术研发人员：颜成钢，陈利，巩鹏博，郑锦凯，孙垚棋，张继勇，张勇东，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33