【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种基于神经辐射场的图像去噪方法及系统。
技术介绍
1、在人工智能的发展过程中，计算机视觉已经成为了一个相当重要的分支，计算机视觉领域的图像去噪是一个重要的研究方向，其目标是从图像中消除或减少由于传感器噪声、压缩算法、传输过程等因素引入的噪声，以提高图像的质量和可用性。这是一个非常重要的研究领域，因为它可以应用于许多实际的场景，如医学影像处理、卫星图像和自动驾驶和机器人视觉等。传统的图像去噪方法主要包括基于滤波器的方法和基于小波变换的方法，近年来，随着深度学习技术的发展，基于深度学习的图像去噪方法取得了巨大的进展。特别是基于卷积神经网络(cnn)的方法，如dncnn(denoising convolutional neuralnetwork)等，在图像去噪任务上取得了很好的效果。然而，图像去噪任务也面临着一些挑战，其中之一就是现有的图像去噪算法往往在特定类型的噪声或特定场景下表现良好，但在其他情况下可能泛化能力不足，需要更好的泛化性能。图像中的噪声类型多种多样，包括高斯噪声、椒盐噪声、波纹噪声等，不同类...
【技术保护点】
1.一种基于神经辐射场的图像去噪方法，其特征在于，包括：
2.如权利要求1所述的基于神经辐射场的图像去噪方法，其特征在于：所述采集源图像，对图像进行去噪处理，生成目标去噪图像数据集包括设计Pre-Net网络架构；
3.如权利要求1或2所述的基于神经辐射场的图像去噪方法，其特征在于：所述基于聚合后的特征图，按通道添加随机噪声，包括以下步骤：
4.如权利要求3所述的基于神经辐射场的图像去噪方法，其特征在于：所述将添加随机噪声后的特征送入自注意力机制模块，通过加权求和得到自注意力输出，包括以下步骤：
5.如权利要求4所述的基于...
【技术特征摘要】
1.一种基于神经辐射场的图像去噪方法，其特征在于，包括：
2.如权利要求1所述的基于神经辐射场的图像去噪方法，其特征在于：所述采集源图像，对图像进行去噪处理，生成目标去噪图像数据集包括设计pre-net网络架构；
3.如权利要求1或2所述的基于神经辐射场的图像去噪方法，其特征在于：所述基于聚合后的特征图，按通道添加随机噪声，包括以下步骤：
4.如权利要求3所述的基于神经辐射场的图像去噪方法，其特征在于：所述将添加随机噪声后的特征送入自注意力机制模块，通过加权求和得到自注意力输出，包括以下步骤：
5.如权利要求4所述的基于神经辐射场的图像去噪方法，其特征在于：所述对光线进行锥型采样的建模，包括以下步骤：
6.如权利要求5所述的基于神经辐射场的图像去噪方...
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。