【技术实现步骤摘要】
一种改进的小波变换与卷积神经网络图像去噪声的方法
本专利技术属于数字图像处理领域，尤其是涉及一种图像去噪声的方法。
技术介绍
数字图像由于其携带的信息量大、便于传输等优异的特性已成为当今社会的重要数据载体之一，同时随着数字图像技术飞速发展，人们对图像品质的要求日益提升，越来越多的研究人员和工程技术人员正在努力研究如何生成更精细、质量更佳的图像以满足人们对高质量图像的需求。图像去噪声(Imagedenoising)就是利用各种技术手段对图像中的噪声进行过滤或抑制以提升图像的质量，使图像可以更准确地表达出更丰富的信息，为后续的图像分割、目标识别等图像处理环节提供基础。随着众多的学者和技术人员投入到该领域的研究中，很多图像去噪声的算法己经投入到实际应用中，且不断突破当前的降噪技术的水平,使得不需要很高的硬件配置，仅通过软件算法就可以完成对于图像的处理,图像去噪声领域也因此成为计算机视觉领域非常重要的组成部分。数字图像去噪声方法的研究一直在不断发展，现在最常见的方法是在变换域中进行图像降噪。从起初的傅里叶变换演变出来的小波变...
【技术保护点】
1.一种改进的小波变换与卷积神经网络图像去噪声的方法，其特征在于，所述方法包括如下步骤：/n步骤一、对数字图像进行预处理，过程如下：/n1.1对图像进行尺寸归一化；/n1.2为数字图像样本根据不同的噪声主要是椒盐和高斯噪声设置不同的噪声密度；/n1.3将图像进行数据扩充处理；/n步骤二、为获得含噪声图像的特征，构建小波系数模型，采用平稳小波变换，将输入的含噪声图像变换为不同子带的小波系数，获得卷积神经网络的输入数据然后构建两种图像去噪声算法相结合的模型结构；/n步骤三、通过步骤二获取的较理想的去噪声模型来对真实场景下的含噪图像进行仿真去噪，具体包括：/n3.1将真实场景下的...
【技术特征摘要】
1.一种改进的小波变换与卷积神经网络图像去噪声的方法，其特征在于，所述方法包括如下步骤：
步骤一、对数字图像进行预处理，过程如下：
1.1对图像进行尺寸归一化；
1.2为数字图像样本根据不同的噪声主要是椒盐和高斯噪声设置不同的噪声密度；
1.3将图像进行数据扩充处理；
步骤二、为获得含噪声图像的特征，构建小波系数模型，采用平稳小波变换，将输入的含噪声图像变换为不同子带的小波系数，获得卷积神经网络的输入数据然后构建两种图像去噪声算法相结合的模型结构；
步骤三、通过步骤二获取的较理想的去噪声模型来对真实场景下的含噪图像进行仿真去噪，具体包括：
3.1将真实场景下的图像进行尺寸归一化和添加噪声处理；
3.2将预处理过的含噪图像输入到理想去噪模型中，得到去噪后的图像。
2.如权利要求1所述的改进的小波变换与卷积神经网络图像去噪声的方法，其特征在于，所述步骤二中，模型结构构建过程包括：
2.1构建两种图像去噪声算法相结合的模型结构，并且基于含噪声图像的小波系数样本选取不同的噪声密度对确定的网络模型进行卷积神经网络训练；
...
【专利技术属性】
技术研发人员：谢琪，管秋，胡海根，周乾伟，徐新黎，韦子晗，徐涵杰，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。