一种序列图像条带噪声消除方法技术

本发明专利技术公开了一种序列图像条带噪声消除方法，包括：利用三维卷积构建序列图像时空关联信息提取模块；利用二维卷积构建图像二维重建模块；根据所述序列图像时空关联信息提取模块和所述图像二维重建模块构成初始卷积神经网络；创建序列图像训练集；利用所述序列图像训练集对所述初始卷积神经网络进行训练，得到训练后的卷积神经网络；将含有条带噪声的序列图像送入所述训练后的卷积神经网络中进行处理，得到去噪后的图像。该序列图像条带噪声消除方法将序列图像时空关联信息提取模块加入到原始卷积神经网络中，可以通过学习帧间相似信息更好地预测噪声。

【技术实现步骤摘要】
一种序列图像条带噪声消除方法
本专利技术属于数字图像处理
，具体涉及一种序列图像条带噪声消除方法。
技术介绍
图像传感器由于制造工艺的限制和环境的影响，在成像过程中会产生条纹状的固定模式噪声，从而严重影响了图像信噪比。特别是在红外或高光谱成像系统中，图像因条带噪声的污染而大量丢失图像细节，从而对后续的目标检测识别带来巨大困难。鉴于制造工艺的改进周期长、投入大，因此，基于信号处理的图像复原技术对消除图像条带噪声还原原始场景信息具有重要价值。传统的图像去噪算法利用图像先验模型进行去噪，比如非局部自相似模型、梯度模型、稀疏字典模型与马尔科夫随机场模型。经典的三维块匹配(BM3D)算法及其变体对彩色图像的扩展CBM3D，其主要思想是基于三维非局部相似块匹配。三维非局部相似块匹配与传统的非局部平均思想(NLM)不同，其采用硬阈值线性变换来寻找相似块，然后用联合滤波的方法对这些三维数组进行处理，最后通过逆变换把处理后的结果返回到原图像中，从而得到去噪后的图像。传统的图像去噪算法通常在处理优化问题上比较复杂，去噪过程中往往涉及繁琐的调参，且在噪本文档来自技高网...

【技术保护点】
1.一种序列图像条带噪声消除方法，其特征在于，所述方法包括：/nS1：利用三维卷积构建序列图像时空关联信息提取模块；/nS2：利用二维卷积构建图像二维重建模块；/nS3：根据所述序列图像时空关联信息提取模块和所述图像二维重建模块构成初始卷积神经网络；/nS4：创建序列图像训练集；/nS5：利用所述序列图像训练集对所述初始卷积神经网络进行训练，得到训练后的卷积神经网络；/nS6：将含有条带噪声的序列图像送入所述训练后的卷积神经网络中进行处理，得到去噪后的图像。/n

【技术特征摘要】
1.一种序列图像条带噪声消除方法，其特征在于，所述方法包括：
S1：利用三维卷积构建序列图像时空关联信息提取模块；
S2：利用二维卷积构建图像二维重建模块；
S3：根据所述序列图像时空关联信息提取模块和所述图像二维重建模块构成初始卷积神经网络；
S4：创建序列图像训练集；
S5：利用所述序列图像训练集对所述初始卷积神经网络进行训练，得到训练后的卷积神经网络；
S6：将含有条带噪声的序列图像送入所述训练后的卷积神经网络中进行处理，得到去噪后的图像。


2.根据权利要求1所述的序列图像条带噪声消除方法，其特征在于，所述序列图像时空关联信息提取模块包括依次连接的空间维卷积、时间维卷积、融合层和降维层，其中，所述空间维卷积包括第一三维卷积层和第一激活层，所述时间维卷积包括第二三维卷积层和第二激活层，所述融合层包括第三三维卷积层和第三激活层，所述降维层的表达式为：
Y1_squ＝squeeze(Y1_32)
其中，Y1_32是所述第三激活层的输出图像，squeeze表示对序列图像时间维度的提取，Y1_squ是所述降维层的输出图像。


3.根据权利要求2所述的序列图像条带噪声消除方法，其特征在于，所述第一三维卷积层的卷积核大小为1*3*3，输出通道为64；所述第二三维卷积层的卷积核大小为3*1*1，输出通道为64；所述第三三维卷积层的卷积核大小为5*1*1，输出通道为64。


4.根据权利要求2所述的序列图像条带噪声消除方法，其特征在于，所述图像二维重建模块包括依次连接的第一重建模块、第二重建模块、输出卷积层、升维层和残差层，其中，
所述第一重建模块包括依次连接的多个二维卷积层和多个激活层；
所述第二重建模块包括依次连接的多个二维卷积层和多个激活层；
所述输出卷积层包括一个二维卷积层；
所述升维层的输入为输出卷积层的输出，表达式为：
Y＝expand(X)
其中，X为所述升维层...

【专利技术属性】
技术研发人员：赖睿，石晓鹏，官俊涛，李跃进，李奕诗，徐昆然，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61