【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种基于旋转等变深度图像先验的图像去噪方法及装置。
技术介绍
1、在拍摄和传输图像时，常常会引入一些不必要的信号，即噪声，这些噪声会严重影响图像的质量并干扰后续的图像处理过程。图像去噪则是从输入图像中去除随机噪声，提高图像信号的信噪比，进而提升图像的质量。
2、当前主流的自监督去噪方法有noise2noise(噪声对噪声，使用两个同一场景但含有不同噪声的图片对来训练模型)、noise2void(噪声至空值，仅使用单张噪声图像进行训练，通过引入“blindspot”网络结构来防止学习到恒等映射)、noise2self(噪声自监督去噪，对输入图像的某些像素进行替换或添加噪声，利用剩余的像素信息来预测这些被替换或添加的像素值)和noise-as-clean(噪声即清洁，用已有噪声图片和已有噪声图片加噪这样的图片对训练模型)。其中，noise2noise方法允许模型直接在同一场景的两个噪声图像对上进行训练。noise2void和noise2self方法在训练模型时，将噪声图像通过网络映射到自身，为了避免网...
【技术保护点】
1.一种基于旋转等变深度图像先验的图像去噪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取带噪图像对构成训练数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述自适应旋转等变网络，如下：
4.根据权利要求1所述的方法，其特征在于，所述旋转等变卷积模块的构建方法，包括：
5.根据权利要求4所述的方法，其特征在于，所述改进傅里叶基底，如下：
6.根据权利要求1所述的方法，其特征在于，所述确定所述自适应旋转等变网络的总损失，包括：
7.根据权利要求6所述的方法，其特...
【技术特征摘要】
1.一种基于旋转等变深度图像先验的图像去噪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取带噪图像对构成训练数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述自适应旋转等变网络，如下：
4.根据权利要求1所述的方法，其特征在于，所述旋转等变卷积模块的构建方法，包括：
5.根据权利要求4所述的方法，其特征在于，所述改进傅里叶基底，如下：
6.根据权利要求1所述的方法，其特征...
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。