一种融合改进残差网络的GAN图像去噪算法制造技术

本发明专利技术创造提供了一种融合改进残差网络的GAN图像去噪算法，包括：S1、对数据集图像进行预处理；S2、生成器对带噪图像提取特征，生成去噪图像；S3、判别器对输入图像进行判定，输出判定结果；S4、依据损失函数对上述各过程交替迭代训练；本发明专利技术创造使用的多层残差特征提取网络，与传统的残差网络相比，该网络保留了原有的残差网络的优点，即解决了单堆叠卷积神经网络造成的梯度消失或爆炸问题，同时本文的多层残差特征提取网络也实现了输入图片的深层次特征和浅层次细节特征信息的提取，而且本文使用的残差网络对于模型网络参数也进行了缩减。本发明专利技术创造使用的双通道判别器构造模型可以较好的提升判别器的判别能力，从而更好的训练生成器G，生成去噪效果更好的图片。

【技术实现步骤摘要】
一种融合改进残差网络的GAN图像去噪算法
本专利技术创造属于图像处理领域，尤其是涉及一种基于生成对抗网络的目标图像去噪算法。
技术介绍
近年来，图像处理技术的快速进步，使其在医学影像、卫星遥感以及智能监控等应用领域获得持续关注。在上述领域的应用中，均需要使用图像采集技术，但在图像的采集和传输的过程中，图像均会受到不同程度的污染甚至损坏，而使用高质量的图片是一切图像处理技术的前提，因此，如何才能在保证不损坏图像信息的前提下，最大程度的去除图像在采集和运输过程中出现的污染与损坏，以恢复理想的高质量无损图片成为了当下各领域均在关注的热门问题。为了解决这样的问题，大量的图像去噪算法被提出，现有的算法大概可以分为两大类，分别为传统方法和深度学习方法，传统的方法具有易于实现，消耗资源少，所需数据集小的优点，但是同样具有对于不同噪声污染程度的图片不具备自我调节能力、去噪处理过的图片细节信息缺失、生成图片模糊的缺点。而深度学习去噪算法因为其数据驱动的特性，通过提取带噪图片与无噪图像的特点来建立带噪图像与无噪图像之间的映射关系，最终依据该映射关系来实现带本文档来自技高网...

【技术保护点】
1.一种融合改进残差网络的GAN图像去噪算法，其特征在于，包括：/nS1、对数据集图像进行预处理，将图像数据调整到网络设定的尺寸；/nS2、将预处理过的带噪图像传入生成器G，生成器对带噪图像提取特征，生成去噪图像；/nS3、将生成的去噪图像与真实无噪图像传入判别器D，判别器D对输入图像进行判定，输出判定结果；/nS4、依据损失函数对上述各过程交替迭代训练。/n

【技术特征摘要】
1.一种融合改进残差网络的GAN图像去噪算法，其特征在于，包括：
S1、对数据集图像进行预处理，将图像数据调整到网络设定的尺寸；
S2、将预处理过的带噪图像传入生成器G，生成器对带噪图像提取特征，生成去噪图像；
S3、将生成的去噪图像与真实无噪图像传入判别器D，判别器D对输入图像进行判定，输出判定结果；
S4、依据损失函数对上述各过程交替迭代训练。


2.根据权利要求1所述的一种融合改进残差网络的GAN图像去噪算法，其特征在于，所述步骤S1的具体步骤如下：
S101、对图像进行颜色增强、平移变化、水平以及垂直翻转；
S102、使用线性插值法将所有图像数据放缩到64*64的大小。


3.根据权利要求1所述的一种融合改进残差网络的GAN图像去噪算法，其特征在于，所述步骤S2中生成器G提取特征的具体方法为：
S201、将传统的残差初始化网络进行改进，利用多尺度残差网络加强对于图像细节特征的提取，同时减少残差网络参数以减小运算量；
S202、生成器构建具体过程为，首先通过特征提取模块对图片...

【专利技术属性】
技术研发人员：陈宝远，刘润泽，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23