一种图像去噪方法及系统技术方案

本发明专利技术提供了一种图像去噪方法及系统，包括：获取噪声图像；将噪声图像输入去噪模型，得到去噪图像；其中，去噪模型依次通过多尺度特征提取块和Ghost特征提取块，对噪声图像进行特征提取后，得到噪声特征，利用噪声图像减去噪声特征，得到去噪图像。不仅改善了图像去噪效果，而且提高了图像去噪的效率，减少训练参数，缩短网络结构训练的时间。缩短网络结构训练的时间。缩短网络结构训练的时间。

【技术实现步骤摘要】
一种图像去噪方法及系统


[0001]本专利技术属于图像处理
，尤其涉及一种图像去噪方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]图像去噪是众多图像处理问题中必不可少的一步，在生物、医学和军事等领域都有广泛的应用，因此，提高图像去噪的效果具有非常重要的意义。传统的图像去噪方法具有复杂的模型并且包含很多需要手动调节的参数。深度学习因为其强大的学习能力被应用于图像去噪中，用来改善传统图像去噪方法中存在的缺点。
[0004]尤其是，基于卷积神经网络的方法在图像去噪上表现出强大的性能。但是，深度卷积神经网络内存消耗依旧很大，模型的训练时间也比较长，很难有较高的图像去噪效率。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种图像去噪方法及系统，不仅改善了图像去噪效果，而且提高了图像去噪的效率，减少训练参数，缩短网络结构训练的时间。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括：获取噪声图像；将噪声图像输入去噪模型，得到去噪图像；其中，去噪模型依次通过多尺度特征提取块和Ghost特征提取块，对噪声图像进行特征提取后，得到噪声特征，利用噪声图像减去噪声特征，得到去噪图像。2.如权利要求1所述的一种图像去噪方法，其特征在于，所述多尺度特征提取块采用若干个1
×
1卷积层和3
×
3的空洞卷积层分别对所述噪声图像进行特征提取，得到不同尺度的特征。3.如权利要求2所述的一种图像去噪方法，其特征在于，所述多尺度特征提取块将所述不同尺度的特征依次输入特征结合层和特征融合层后，得到噪声图像的多尺度特征图。4.如权利要求1所述的一种图像去噪方法，其特征在于，所述Ghost特征提取块包含若干个顺次连接的Ghost块。5.如权利要求4所述的一种图像去噪方法，其特征在于，所述Ghost块采用32通道的1
×
1卷积层对输入的特征图进行特征提取；并采用深度可分离卷积层对所述32通道的1
×
1卷积层提取的特征进行处理...

【专利技术属性】
技术研发人员：李天平，冯凯丽，李萌，韩宇，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：