【技术实现步骤摘要】
本专利技术属于数字图像处理，进一步涉及图像去噪方法，具体为一种基于三阶段特征提取的自监督图像去噪方法。可用于对真实环境下成像系统拍摄的单幅有噪声图像实现清晰化处理。
技术介绍
1、由于成像系统和设备的缺陷，以及光照、温度等外界环境因素的影响，在图像采集和传输过程中，噪声不可避免，严重影响图像的视觉质量。比如在图像捕获初期由于数字摄像机和其他图像传感器引入的电噪声；在低光条件下，由于光子的随机性引入的光子噪声；以及电子元件受温度引起的热噪声。虽然可以使用补偿光照和高性能的传感器来尽量减少噪声的产生，但也无法避免图像传输过程中引入噪声。噪声的存在会导致图像中的边缘轮廓、线条等纹理细节变得模糊不清，不仅影响人们从图像中获取有用信息，而且对后续的一些图像处理比如语义分割、目标检测等产生不利影响。
2、传统的去噪方法利用像素之间的空间相关性以及噪声和信号信息的高低频差异分别提出了空间域和变换域方法。这类方法虽然在合成噪声的去除上取得一定可观成果，然而，空间域方法需要对整个图像使用滑动窗口进行扫描和相似性计算，计算复杂性较高且对噪声模型...
【技术保护点】
1.一种基于三阶段特征提取的自监督图像去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤(1a)中基于局部位置掩码卷积的盲点生成子网络，具体结构如下：
3.根据权利要求1所述的方法，其特征在于：步骤(1b)中构建由两条支路并行组成的双分支互补特征提取子网络：
4.根据专利要求1所述的方法，其特征在于：步骤(1c)中构建三阶段特征提取网络，具体实现如下：
5.根据权利要求1所述的方法，其特征在于：步骤(1d)中基于三阶段特征提取的自监督图像去噪网络DMDBSN，具体构建方式如下：
<...【技术特征摘要】
1.一种基于三阶段特征提取的自监督图像去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤(1a)中基于局部位置掩码卷积的盲点生成子网络，具体结构如下：
3.根据权利要求1所述的方法，其特征在于：步骤(1b)中构建由两条支路并行组成的双分支互补特征提取子网络：
4.根据专利要求1所述的方法，其特征在于：步骤(1c)中构建三阶段特征提取网络，具体实现如下：
5.根据权利要求1所述的方法，其特征在于：步骤(1d)中基于三阶段特征提取的自监督图像去噪网络dmdbsn，具体构建方式如下：
6.根据权利要求5所述的方法，其特征在于：基于三阶段特征提取的自监督图像去噪网络dmdbsn，在测试阶段的网络结构具体为：像素混洗下采样层→训练完成的去噪网络→像素混洗上采样层→随机替换细化→训练完成的去噪网络→平均；其中像素混洗下采样层的下采样率为2，像素混洗上采样层的上采样率为2，随机替换细化的替换次数为8，每次...
【专利技术属性】
技术研发人员：王柯俨，卢洪磊，段跳楠，何刚，许宁，李云松，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。