【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种图像去噪方法、系统、存储介质及电子设备。
技术介绍
1、噪声是普遍存在的，尤其是在与我们日常生活密切相关的图像中，如医学图像、水下图像、传感图像、合成孔径雷达图像和红外图像。图像噪声是指图像数据中存在的不必要或冗余的干扰信息，对图像质量有很大的负面影响，并阻碍信息的传输。因此，消除噪声对计算机和人类都至关重要。去噪的目的就是从噪声图像中分离出噪声，从而获得干净的图像。
2、长期以来，恢复噪声图像一直是研究的重点。随着alexnet在2012年的imagenet竞赛中获胜，人们发现了深度学习的潜力，这让去噪这一枯竭的领域重新焕发生机。zhang等人提出了一种去噪卷积神经网络(dncnn)，它使用卷积层、批量归一化层(bn)、整流线性单元层(relu)和残差学习的堆叠，既简单又取得了一定的效果。ffdnet将噪声地平线图作为网络输入的一部分，将高斯噪声泛化为更复杂的真实噪声。cbdnet主要关注ffdnet中的噪声地平线图部分，通过5层全卷积网络(fcn)自适应地获取噪声地平线图，从而实现一定...
【技术保护点】
1.一种图像去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的图像去噪方法，其特征在于，所述步骤S10的具体步骤包括：
3.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤S20中，所述第一子网络和所述第二子网络的深度均有若干层，且所述第一子网络和所述第二子网络的第一层和最后一层均采用普通实值卷积、中间层均采用四元数卷积。
4.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤S40中，所述损失函数采用均方误差和结构相似度作为组合损失函数，所述优化算法采用AdamW算法，且在对所述图像去噪模型训练过程中，采...
【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的图像去噪方法，其特征在于，所述步骤s10的具体步骤包括：
3.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤s20中，所述第一子网络和所述第二子网络的深度均有若干层，且所述第一子网络和所述第二子网络的第一层和最后一层均采用普通实值卷积、中间层均采用四元数卷积。
4.根据权利要求1所述的图像去噪方法，其特征在于，在所述步骤s40中，所述损失函数采用均方误差和结构相似度作为组合损失函数，所述优化算法采用adamw算法，且在对所述图像去噪模型训练过程中，采用余弦退火算法调节学习率；
5.根据权利要求1所述的图像去噪方法，其特征在于，在所述计算经所述图像去噪模型处理后的输出图像与该输出图像对应的初始图像两者间的误差...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。