基于动态先验条件滤波的图像去噪方法与系统技术方案

本发明专利技术提出一种基于动态先验条件滤波的图像去噪方法与系统，该方法包括如下步骤：根据获取的合成噪声图像数据集与真实噪声图像数据集构造训练数据，并基于特征编码与特征解码结构构建得到神经网络模型；通过噪声估计分支中的噪声估计模块，基于迭代学习的仿射变换方式以提取得到真实噪声先验特征；非盲去噪分支结合每个局部区域图像特征与真实噪声先验特征，自适应生成局部区域图像特征对应的去噪卷积核；通过神经网络模型中的多个噪声估计模块动态地更新真实噪声先验特征，以进行由粗到细的图像特征去噪；当噪声估计模块迭代至收敛，以完成去噪作业最终得到去噪后的图片。本发明专利技术不仅能高效地去除高斯合成噪声，而且对真实噪声也具有鲁棒的去除效果。实噪声也具有鲁棒的去除效果。实噪声也具有鲁棒的去除效果。

【技术实现步骤摘要】
基于动态先验条件滤波的图像去噪方法与系统


[0001]本专利技术涉及计算机图像处理
，特别涉及一种基于动态先验条件滤波的图像去噪方法与系统。

技术介绍

[0002]近年来，随着科学技术的不断发展，数字成像设备层出不穷。然而，由于电子设备自身局限和复杂外界环境的影响，数字图像在获取、传播过程中必然会受到各种各样噪声的污染，导致显著降低了图像的质量。因此，图像的去噪研究成为计算机视觉领域的重要组成部分。
[0003]在图像去噪的早期研究中，研究者往往考虑简单的合成噪声。具体而言，该时期研究的合成噪声分布主要包括高斯噪声与椒盐噪声等。相关的去噪方法大致可分为：（1）基于传统浅层模型的方法；（2）基于深度网络的方法。其中，基于传统浅层模型的方法可进一步分为：（1.1）基于滤波的方法；（1.2）基于预定义模型的方法。（1.1）基于滤波的方法往往利用人工设计的低通滤波器去除图像噪声。此外，其他代表性工作通过寻找图像中非局部区域内相似的子图像块，使用非局部均值算法实现图像去噪。（1.2）基于预定义模型的方法，通常显式设计图像先验信息，将去噪任务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态先验条件滤波的图像去噪方法，其特征在于，所述方法包括如下步骤：步骤一，根据获取的合成噪声图像数据集与真实噪声图像数据集构造训练数据，并基于特征编码与特征解码结构构建得到神经网络模型，其中所述神经网络模型包括非盲去噪分支与噪声估计分支；步骤二，通过所述噪声估计分支中的噪声估计模块，基于迭代学习的仿射变换方式以提取得到真实噪声先验特征；步骤三，所述非盲去噪分支结合每个局部区域图像特征与所述真实噪声先验特征，自适应生成所述局部区域图像特征对应的去噪卷积核，其中所述去噪卷积核用于提升局部区域图像特征的去噪效果；步骤四，通过所述神经网络模型中的多个所述噪声估计模块动态地更新真实噪声先验特征，以进行由粗到细的图像特征去噪；步骤五，当所述噪声估计模块迭代至收敛，以完成去噪作业最终得到去噪后的图片。2.根据权利要求1所述的基于动态先验条件滤波的图像去噪方法，其特征在于，在所述步骤一中，所述训练数据的构建方法包括如下步骤：基于所述合成噪声图像数据集和真实噪声图像数据集划分训练集与测试集；从所述合成噪声图像数据集中获取与无噪图像对应的合成噪声图像，以及从所述真实噪声图像数据集中获取与无噪图像对应的真实噪声图像；根据预设图像尺寸对所述与无噪图像对应的合成噪声图像，以及对所述与无噪图像对应的真实噪声图像进行裁剪，并提取子图像并进行随机增强，以构造得到所述训练数据。3.根据权利要求2所述的基于动态先验条件滤波的图像去噪方法，其特征在于，对所述子图像进行随机增强的方法包括：90
°
旋转、180
°
旋转、竖直翻转或水平翻转。4.根据权利要求1所述的基于动态先验条件滤波的图像去噪方法，其特征在于，所述神经网络模型对应有一损失函数，所述损失函数的表达式为：其中，表示所述损失函数，表示拟合的深度生成模型，表示输出的无噪图像，表示输入的有噪图像，表示神经网络可学习参数集合，表示初始权重，表示真实噪声先验特征的估计精度。5.根据权利要求4所述的基于动态先验条件滤波的图像去噪方法，其特征在于，所述真实噪声先验特征的估计精度的表达式...

【专利技术属性】
技术研发人员：左一帆，谢家城，王琪，姜文晖，夏雪，
申请(专利权)人：江西财经大学，
类型：发明
国别省市：