一种轻量级卷积神经网络的椒盐噪点标记方法技术

本方案公开了智能图像处理技术领域的一种轻量级卷积神经网络的椒盐噪点标记方法，包括：S1、在正常图像块中添加随机噪声生成噪声图像

【技术实现步骤摘要】
一种轻量级卷积神经网络的椒盐噪点标记方法


[0001]本专利技术属于智能图像处理
，特别涉及一种轻量级卷积神经网络的椒盐噪点标记方法。

技术介绍

[0002]随着数字图像及视频应用的快速增长，图像去噪仍然是一项挑战性任务。数字图像在传感器采集、存储和传输的过程中容易受到椒盐噪声的污染，需要去除这类噪声才能更好地进行后续处理。噪点标记和噪声去除是椒盐去噪过程中的两个关键步骤。当前，业界已对噪声去除步骤开展了大量的研究并取得较好的效果。
[0003]实质上，噪点标定对椒盐去噪的性能有着直接的影响。相比于噪声去除步骤，业界对噪点标记步骤的研究比较欠缺。传统的椒盐噪点标定方法包括以下三种。
[0004](a)极点标定法
[0005][0006]极点标定法的原理较为简单，它将输入噪声图像中灰阶为0或255的点标记为噪点，其它点为正常点。该方法如(1)所示，其中BJ
i,j
为噪点标记输出，噪声点标记为0，正常点为1。img
ij
表示输入图像中第i行第j列的像素灰阶。该图像共计H行W列，因而i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级卷积神经网络的椒盐噪点标记方法，其特征在于，包括：S1、在正常图像块中添加随机噪声生成噪声图像
‑
噪声掩模对数据集；S2、搭建采用噪点标记的轻量级卷积神经网络模型，包括多个重复的深度可分离卷积；S3、采用所述网络神经模型对所述噪声图像
‑
噪声掩模对数据集进行训练，得到噪声掩模。2.根据权利要求1所述的一种轻量级卷积神经网络的椒盐噪点标记方法，其特征在于：所述轻量级卷积神经网络模型包括两个常规卷积和位于两个所述常规卷积之间的n个重复的深度可分离卷积，所述n≥5；其中位于首端的常规卷积对输入的噪声图像生成32～128个卷积张量；位于末端的常规卷积对输入的所有卷积张量生成1张噪声掩模。3.根据权利要求2所述的一种轻量级卷积神经网络的椒盐噪点标记方法，其特征在于：位于首端的所述常规卷积先采用3
×
3的卷积核处理Ni个输入通道，随后，执行批量标准化和ReLU激活，依次采用1
×
1的卷积核处理所有通道，得到No个处理后的通道，这步称为点卷积；最后，经过批量标准化和激活之后输出No个通道。4.根...

【专利技术属性】
技术研发人员：黄成强，郑琳玺，孙壹菱，施菊，
申请(专利权)人：遵义师范学院，
类型：发明
国别省市：