一种基于神经网络的泊松图像恢复方法及系统技术方案

本发明专利技术涉及图像处理领域，具体是指一种基于神经网络的泊松图像恢复方法及系统，所述方法包括数据采集、添加噪声、神经网络模型去噪、对抗训练、模型优化、泊松图像恢复，本发明专利技术采用生成对抗网络模型对图像进行去噪处理，并使用基于PixelShuffle上采样的算法对生成器中的解码器进行优化，使用基于梯度下降的提高图像去噪效率以及泊松图像恢复能力，同时本发明专利技术利用泊松噪声其基于统计学特性分布的特点，对清晰图片进行函数泊松加噪，更好的训练神经网络模型针对泊松噪声的图像恢复能力；所述系统包括数据采集模块、泊松加噪模块、编码器‑解码器模块、判别器模块、泊松图像输入模块以及用户操作模块。

【技术实现步骤摘要】

本专利技术属于图像处理领域，具体是一种基于神经网络的泊松图像恢复方法及系统。

技术介绍

1、泊松图像是一种常见的包含噪声的图像类型，它在许多领域中都有出现，特别是在数字图像处理和计算机视觉中，造成泊松图像的根本原因是泊松噪声，泊松噪声的特点是在时间或空间上的统计独立性和非常规律的变化，它通常出现在低光条件下的图像采集、辐射计数、光子计数等情况下，泊松噪声的产生源于光子的随机性，即光子到达传感器的数量是一个服从泊松分布的随机变量，在泊松图像处理中，对泊松噪声进行建模是重要的，因为它可以帮助我们理解图像中的噪声特性，并为后续的噪声去除和图像增强操作提供指导，当前去除泊松噪声，常见的方法包括使用滤波技术有最大似然估计、平滑滤波以及非局部中值滤波等，但是现有去噪方法在去噪结束后会导致图像模糊，并且去噪的效率较低；当前常用的基于神经网络的泊松图像恢复方法主要为盲去噪，无法切实针对泊松噪声进行去噪处理。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供一种基于神经网络的泊松图像恢复方法及系统，针对现有本文档来自技高网...

【技术保护点】

1.一种基于神经网络的泊松图像恢复方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤S2，具体包括以下步骤：

3.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤S3，具体包括以下步骤：

4.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤S4，具体包括以下步骤：

5.根据权利要求3所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤S36，具体包括以下步骤：

6.一种基于神经网络的泊松图像恢复系统，用于实现权利要求...

【技术特征摘要】

1.一种基于神经网络的泊松图像恢复方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤s2，具体包括以下步骤：

3.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：步骤s3，具体包括以下步骤：

4.根据权利要求1所述的一种基于神经网络的泊松图像恢复方法，其特征在于：...

【专利技术属性】
技术研发人员：朱小龙，
申请(专利权)人：北方民族大学，
类型：发明
国别省市：