一种基于卷积神经网络的边缘提取图像去噪方法技术

本发明专利技术涉及一种基于卷积神经网络的边缘提取图像去噪方法，属于图像处理领域，包括以下步骤：S1：将原始图像输入基于Canny算子的边缘提取网络来提取图像的边缘信息；S2：将原始图像输入基于残差学习的预处理网络进行初步去噪；S3：将初步去噪图像和边缘信息图像同时输入基于通道与空间注意力机制的融合网络，得到具有清晰边缘的去噪图像。本发明专利技术不仅减小了模型的复杂度，而且还大大提高了去噪效率。而且还大大提高了去噪效率。而且还大大提高了去噪效率。

【技术实现步骤摘要】
一种基于卷积神经网络的边缘提取图像去噪方法


[0001]本专利技术属于图像处理领域，涉及一种基于卷积神经网络的边缘提取图像去噪方法。

技术介绍

[0002]随着数字设备在军事侦察、安全检测、医学影像和卫星遥感等领域的广泛应用，图像去噪这一底层计算机视觉任务变得更加重要。当前图像去噪方法可分为滤波图像去噪、稀疏表示图像去噪、低秩图像去噪和深度学习图像去噪四种。基于滤波的图像去噪方法最经典的是块匹配三维滤波方法(block matching and 3D filtering，BM3D)，该方法结合非局部自相似性与变换域的稀疏表示，将图像按块相似性进行匹配分组，然后在每个相似组内进行频域滤波去噪。基于稀疏表示的去噪方法利用噪声无法在模型中进行稀疏表示的特点，通过约束自然图像的稀疏性来实现图像去噪。因为噪声会破坏自然图像的低秩性，故基于低秩性的图像去噪方法往往通过限制低秩矩阵来降低噪声。
[0003]基于深度学习的去噪方法利用深度网络和来自大数据集外部信息的强大表征能力来重构特征图像，很大程度上提高了去噪性能和效率。现有技术提出一个前馈去噪卷积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的边缘提取图像去噪方法，其特征在于：包括以下步骤：S1：将原始图像输入基于Canny算子的边缘提取网络来提取图像的边缘信息；S2：将原始图像输入基于残差学习的预处理网络进行初步去噪；S3：将初步去噪图像和边缘信息图像同时输入基于通道与空间注意力机制的融合网络，得到具有清晰边缘的去噪图像。2.根据权利要求1所述的基于卷积神经网络的边缘提取图像去噪方法，其特征在于：所述基于Canny算子的边缘提取网络通过双阈值检测法来定位图像边缘，具体包括以下步骤：S11：使用高斯滤波器平滑图像，滤除噪声；高斯滤波器核的大小为(2k+1)
×
(2k+1)，表达式如下：式中，1≤i,j≤(2k+1)，(i，j)为像素点坐标，σ为标准差；S12：计算每个像素的梯度和梯度方向；S13：采用非极大值抑制算法来抑制伪边界点；S14：采用双阈值检测方法来确定真实边缘和潜在边缘；S15：通过抑制孤立的弱边缘来完成边缘提取。3.根据权利要求1所述的基于卷积神经网络的边缘提取图像去噪方法，其特征在于：所述基于残差学习的预处理网络包含一个Conv+Relu层、四个残差单元和一个卷积层，通过Cat函数将三个残差跳跃连接残差单元的输出拼接在一起输入卷积层，最后再通过输入端到输出端的残差跳跃连接减去学习到的噪声映射，得到初步去噪的干净图像。4.根据权利要求1所述的基于卷积神经网络的边缘提取图像去噪方法，其特征在于：所述基于通道与空间注意力机制的融合网络包含一个Conv+Relu+BN层、一个Conv层和信道和空间注意机制，通过Cat函数聚合预处理得到的初步去噪图像和边缘提取得到的边缘信息图像，经过Conv+Relu+BN卷积层压缩通道数，再由通道与空间注意网络CSAN自适应地给重要的图像边缘细节分配更大的权重，从而得到具有清晰边缘的去噪图像。5.根据权利要求4所述的基于卷积神经网络的边缘提取图像去噪...

【专利技术属性】
技术研发人员：文凯，季娟，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：