一种从未配对的真实数据中学习图像去摩尔纹模型方法技术

一种从未配对的真实数据中学习图像去摩尔纹模型方法，涉及去摩尔纹的人工神经网络的训练。与大量依赖从成对的真实数据中学习的现有研究不同，该方法从未配对的数据集中合成伪摩尔纹图像，生成与无摩尔纹图像配对的图像对来训练去摩尔纹模型。包含以下三个步骤：首先，将真实的摩尔纹图像划分为若干图像块，并根据摩尔纹的复杂性对这些图像块进行分组；然后，引入一个新的摩尔纹生成框架，以合成类似于真实摩尔纹的具有不同摩尔纹特征的摩尔纹图像，以及类似于真实无摩尔纹图像的细节；之后，引入一种自适应去噪方法，以去除对去摩尔纹模型的学习有不利影响的低质量的伪摩尔纹图像。的学习有不利影响的低质量的伪摩尔纹图像。的学习有不利影响的低质量的伪摩尔纹图像。

【技术实现步骤摘要】
一种从未配对的真实数据中学习图像去摩尔纹模型方法


[0001]本专利技术涉及去摩尔纹的人工神经网络的训练，尤其是涉及一种从未配对的真实数据中学习图像去摩尔纹模型方法。

技术介绍

[0002]当代社会充斥着用于呈现图像、文字、视频等的电子屏幕。随着智能手机等便携式摄像设备的广泛使用，人们已经习惯于用它们来快速记录信息。一个常见的问题产生于相机的彩色滤光片阵列(CFA)和屏幕的LCD子像素布局之间的内在干扰，导致拍摄的图片被一些彩虹形状的条纹所污染，这也被称为摩尔纹(如Jingyu Yang,et al.Demoir
é
ing for screen
‑
shot images with multi
‑
channel layer decomposition.In IEEE Visual Communications and Image Processing(VCIP),pages 1
–
4,2017.)。这些摩尔纹涉及不同的厚度、频率、布局和颜色，降低了所拍摄图片的感知质量；因此，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种从未配对的真实数据中学习图像去摩尔纹模型方法，其特征在于包括以下步骤：1)图像预处理：将真实的摩尔纹图像划分为若干图像块，并根据摩尔纹的复杂性对这些图像块进行分组；2)摩尔纹合成网络：引入一个新的摩尔纹生成框架，以合成类似于真实摩尔纹的具有不同摩尔纹特征的摩尔纹图像，以及类似于真实无摩尔纹图像的细节；3)自适应去噪：引入一种自适应去噪方法，以去除对去摩尔纹模型的学习有不利影响的低质量的伪摩尔纹图像。2.如权利要求1所述一种从未配对的真实数据中学习图像去摩尔纹模型方法，其特征在于在步骤1)中，所述将真实的摩尔纹图像划分为若干图像块是指将摩尔纹图像数据集分割成不重叠的若干图像块，得到一个摩尔纹图像块集合其中，N是整个摩尔纹图像块集合中图像块的数量；同时将无摩尔纹图像数据集分割得到无摩尔纹图像块集合M是整个无摩尔纹图像块集合中图像块的数量。3.如权利要求1所述一种从未配对的真实数据中学习图像去摩尔纹模型方法，其特征在于在步骤1)中，所述图像块进行分组是指将摩尔纹图像块集合分成K个子集，即有分成K个子集，即有其中每个子集包含相似复杂度的摩尔纹图像块，并且任意两个子集都是不相交的；所述摩尔纹的复杂性是由摩尔纹图像的频率和颜色信息组成；给定一个摩尔纹图像块该摩尔纹图像块的频率由一个核大小为3的拉普拉斯边缘检测算子测量，该摩尔纹图像块的颜色信息是RGB色彩空间色彩平面中像素云的平均值和标准差的线性组合，表示为：其中，μ
·
和σ
·
返回输入的均值和标准差，和分别表示p
m
的红绿蓝颜色通道。4.如权利要求1所述一种从未配对的真实数据中学习图像去摩尔纹模型方法，其特征在于在步骤2)中，所述摩尔纹合成网络包括四个部分：一个摩尔纹特征编码器E
m
，一个生成器G
m
，一个判别器D
m
和一个内容编码器E
C
；生成一个伪摩尔纹图片伪摩尔纹图片有p
m
的摩尔纹斑纹，同时保留无摩尔纹图像块的图像细节，形成一个摩尔纹和无摩尔纹图像对，以此指导现有的去摩尔纹网络的学习；摩尔纹特...

【专利技术属性】
技术研发人员：纪荣嵘，钟云山，林明宝，
申请(专利权)人：厦门大学，
类型：发明
国别省市：