基于深度学习的光谱背景噪声和干扰消除系统技术方案

本发明专利技术属于深度学习技术领域，具体是指基于深度学习的光谱背景噪声和干扰消除系统，包括数据采集模块、构建半小波层模块、构建逆半小波层模块、构建图像边缘提取层模块、构建SWCNN网络模块和网络训练模块。本方案利用Sobel算子构造图像边缘提取层，从输入图像中提取特定边缘，为网络提供更丰富、更生动的图像边缘，提高神经网络的性能；通过小波变换减少输入图像的大小，降低网络的计算复杂度，加速神经网络的运行，同时保留重要的特征。

【技术实现步骤摘要】

本专利技术属于深度学习，具体是基于深度学习的光谱背景噪声和干扰消除系统。

技术介绍

1、在数字图像处理领域，图像去噪是一项关键任务，随着数字摄影技术的快速发展和广泛应用，数字图像中可能存在各种类型的噪声，如高斯噪声、椒盐噪声等，这些噪声会对图像的视觉质量和内容理解产生负面影响，因此，图像去噪技术变得至关重要。传统的图像背景噪声消除技术无法有效地检测图像中的局部特征，导致对于包含局部特征的噪声区域，去噪效果不佳，无法很好地消除噪声；传统的图像背景噪声技术存在计算复杂度较高的问题，导致处理速度较慢，限制其在实际应用中的效率和实用性。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于深度学习的光谱背景噪声和干扰消除系统，针对传统的图像背景噪声消除技术无法有效地检测图像中的局部特征，导致对于包含局部特征的噪声区域，去噪效果不佳，无法很好地消除噪声，本方案利用sobel算子构造图像边缘提取层，从输入图像中提取特定边缘，为网络提供更丰富、更生动的图像边缘，提高神经网络的性能；针对传统的图像背本文档来自技高网...

【技术保护点】

1.基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：包括数据采集模块、构建半小波层模块、构建逆半小波层模块、构建图像边缘提取层模块、构建SWCNN网络模块和网络训练模块；

2.根据权利要求1所述的基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：所述构建半小波层模块具体包括以下内容：

3.根据权利要求2所述的基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：所述构建逆半小波层模块具体包括以下内容：

4.根据权利要求3所述的基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：所述构建图像边缘提取层模块具体包括以下内容：

5.根...

【技术特征摘要】

1.基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：包括数据采集模块、构建半小波层模块、构建逆半小波层模块、构建图像边缘提取层模块、构建swcnn网络模块和网络训练模块；

2.根据权利要求1所述的基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：所述构建半小波层模块具体包括以下内容：

3.根据权利要求2所述的基于深度学习的光谱背景噪声和干扰消除系统，其特征在于：所述构建逆半小波层模块具体包括以下...

【专利技术属性】
技术研发人员：赵岩，杨彬，蔡庆国，
申请(专利权)人：厦门海荭兴仪器股份有限公司，
类型：发明
国别省市：