一种基于盲点网络集成的自监督图像去噪方法技术

本发明专利技术公开了一种基于盲点网络集成的自监督图像去噪方法，第一步：设计集成盲点网络；第二步：设计用于真实噪声图像的非对称混洗下采样集成盲点网络；第三步：设计随机替换细化增强去噪结果细节；本发明专利技术充分考虑原始BSN中的信息损失，将网络分支拓展并集成来改进网络。同时，考虑混洗下采样不同步长对BSN训练与推理结果的影响，建立不同训练策略来选取最合适的PD步长s，以达到最小化噪声信号相关性的目的，从而满足BSN网络的训练前提。在SIDD‑Medium的验证集、基准数据集的真实噪声图像上的结果表明，本发明专利技术所提出的盲点网络集成去噪方法在去噪结果上比原始BSN网络更佳。

【技术实现步骤摘要】

本专利技术提出了一种基于盲点网络(blind-spot network,bsn)集成的自监督图像去噪方法使用是一种针对真实rgb图像的去噪方法。本盲点网络集成的自监督图像去噪方法既属于图像处理领域，又属于人工智能领域。

技术介绍

1、图像去噪是计算机视觉领域的重要组成部分，旨在从噪声信号中恢复出清晰的图像。由于受到电子设备自身的限制和外界环境的影响，图像中常存在多种不同类型的噪声，高效的提取和精准的噪声水平估计是设计合理去噪网络结构的前提。

2、近年来，基于深度学习的去噪方法被成功应用于合成噪声。其中，自监督学习去噪是基于cnn的图像去噪的重要部分，这种方法只需要有噪声的图像进行训练，而不需要无噪声的图像对。自监督去噪算法中，bsn是由依赖两张类似噪声图像的noise2noise驱动的代表性方法之一，被广泛印证于在缺少干净图像时能有效对图像进行去噪。在噪声信号像素无关且为零均值的假设下，bsn不参考输入像素，而从相邻的噪声像素重构干净像素，然而真实世界中空间相关的噪声不满足bsn的假设。基于上述问题，在复杂特征的现实场景下，基于bsn的自监督去本文档来自技高网...

【技术保护点】

1.一种基于盲点网络集成的图像去噪方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于盲点网络集成的图像去噪...

【专利技术属性】
技术研发人员：顾锞，王思梦，卫梦婷，刘红燕，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：